Практическая работа №28 Статистика, характеризующая изображение на основе деления на части алгоритм разделения символов
Задание. Порядок выполнения работы
Download 0.58 Mb.
|
РаспознованиеПрактическая работа28-30
- Bu sahifa navigatsiya:
- Практическая работа №30 База данных по проблеме распознавания лиц формирование
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 распознаванияДалее 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. Download 0.58 Mb. Do'stlaringiz bilan baham: |
Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©fayllar.org 2024
ma'muriyatiga murojaat qiling
ma'muriyatiga murojaat qiling