Практическая работа №28 Статистика, характеризующая изображение на основе деления на части алгоритм разделения символов

Задание. Порядок выполнения работы
1. Сформировать в среде MathCad тестовое черно-белое изображение.
2. Выполнить аддитивное зашумление каждого элемента изображения с применением 3 видов шума из 6 перечисленных в теоретической части данной работы.
3. Выполнить оценку качества полученных зашумленных изображений с применением критериев, описанных формулами (15) – (27).
4. Провести сравнительный анализ полученных оценок качества зашумленных изображений для каждого из примененных к исходному изображению видов шума.
5. Сделать выводы по влиянию различных видов шума на качество изображения.
Практическая работа №30
База данных по проблеме распознавания лиц
формирование

Классификация методов распознавания

Далее под распознаванием лиц будем понимать этапы, идущие после выделения лица и его нормализации, а именно извлечение признаков и сравнение с эталоном. Приведем основные известные методы, которые применяются для решения этих двух задач.
Методы извлечения признаков можно разделить на две группы. Это методы, использующие локальные признаки и глобальные признаки лица. При использовании локальных признаков, алгоритм выделяет отдельные части лица (такие как глаза, нос, рот и др.) и уже по ним выделяет или распознает лицо. При использовании же глобальных признаков, алгоритм оперирует со всем лицом в целом.
К методам, работающим с локальными признаками, относятся:

• 
  фильтры Габора;
  
• 
  метод сравнения эластичных графов;
  
• 
  контурные модели лица;
  
• 
  метод наиболее информативных областей;
  
• 
  скрытые марковские модели;
  
• 
  морфинговые модели;
  
• 
  моменты;
  
• 
  методы, основанные на геометрических характеристиках лица;
  
• 
  методы, основанные на сравнении эталонов;
  
• 
  нейронные сети.
  

Методами, использующими глобальные признаки, являются:

• 
  дискриминантные методы;
  
• 
  моменты;
  
• 
  фильтры Габора;
  
• 
  нейронные сети.
  

Как видно, одни и те же методы могут использоваться как для выделения локальных признаков лица, так и для выделения глобальных признаков:

• 
  фильтры Габора;
  
• 
  моменты;
  
• 
  нейронные сети.
  

Все классификаторы можно разбить на следующие группы:

• 
  статистические методы, строящиеся на базе принципов математической статистики;
  
• 
  методы, основанные на построении разделяющих гиперповерхностей;
  
• 
  методы, основанные на принципе потенциалов;
  
• 
  методы, основанные на определении экземпляров;
  
• 
  методы, разработанные на основании изучения биологических нейронных сетей.
  

Количество существующих методов выделения признаков и их классификации безгранично. Далее рассмотрим лишь наиболее известные из них методы.