СБОРНИК НАУЧНЫХ ТРУДОВ НГТУ. – 2008. – № 1(51) – 81–86
УДК 519.24
ИСПОЛЬЗОВАНИЕ ПРОСТЫХ n-ПРЯМОУГОЛЬНЫХ
ПРИЗНАКОВ В МЕТОДЕ БЫСТРОГО ОБНАРУЖЕНИЯ
ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ
И. А. ЦИЛЬКОВСКИЙ©
Рассмотрено использование простых n-прямоугольных признаков для реализации алгоритма обнаружения объектов на изображениях. Обоснована необходимость ограничения размеров признаков для снижения влияния зашумления. Приведен пример работы многошагового классификатора на тестовых множествах.
ВВЕДЕНИЕ
Существует множество подходов к решению задачи обнаружения объектов на изображениях. Большинство из них основываются на значениях признаков. Признаком называют вектор параметров, который является представлением некоторого эталонного объекта и позволяет наилучшим образом разделить все входное множество областей изображения на области, содержащие объекты, и области, не содержащие объектов. Признак содержит в себе полную информацию об объекте и при этом имеет минимально возможную размерность.
1. АЛГОРИТМ КЛАССИФИКАЦИИ
В нашей системе и для выбора признаков и для их обучения используется вариант алгоритма AdaBoost [1]. В его оригинальной форме алгоритм обучения AdaBoost используется для усиления работы классификатора для простых алгоритмов обучения. Эффект усиления элементарного классификатора достигается с помощью последовательного обучения. После первого этапа обучения для тренировочного набора данных пересчитываются веса, определяющие вклад отдельного наблюдения в процесс обучения, при этом вес элементов, неправильно классифицированных на первом этапе, увеличивается. Окончательный одношаговый классификатор задается в форме линейной комбинации вычисленных ранее элементарных классификаторов с некоторыми весами.
Элементарный классификатор 
, классифицирующий область изображения x, состоит из признака 
, порогового значения 
и четности 
, указывающей направление знака сравнения. Под классификацией здесь понимается отнесение области x к множеству областей содержащих объекты, либо к множеству областей, объектов не содержащих. Элементарный и одношаговый 
классификаторы определяются формулами соответственно
,
где 
– коэффициенты линейной комбинации, вычисленные в процессе обучения, T – количество итераций, произведенных в алгоритме обучения Adaboost.
2. ВИДЫ ПРОСТЫХ ПРИЗНАКОВ
Процедура обнаружения и классификации изображений базируется на значениях простых признаков. Преимущество отдается использованию признаков, нежели непосредственно пикселей изображения. Наиболее весома здесь возможность кодирования с помощью признаков дополнительной информации, что затруднено при прямом использовании пикселей. Второе весомое преимущество признаков: система, основанная на признаках, работает намного быстрее системы, использующей прямую обработку пикселей.
В нашей системе мы рассматриваем три варианта признаков. Значением двухпрямоугольного признака является разница между суммами пикселей внутри двух прямоугольных областей. Области имеют одинаковые размеры и могут располагаться горизонтально или вертикально (см. рисунок). Трехпрямоугольные признаки вычисляются как сумма пикселей внутри двух наружных областей, из которой вычитается значение суммы во внутренней области. Наконец, четырехпрямоугольные признаки вычисляются как различие между диагональными парами прямоугольников.
Если Вы желаете скачать полную версию статьи, пройдите регистрацию на сайте http://sbornik. infoterra. ru/reg. php
© Магистр математики, аспирант кафедры программных систем и баз данных
