Математическая модель зрительной системы для задач распознавания объектов на равноярких фонах
Аннотация
В настоящее время наблюдается повышенный интерес к задаче опознавания объектов в различных практических приложениях. Несмотря на очевидную легкость, с которой человек решает задачу опознавания окружающих его объектов, до сих пор не создано моделей зрительной системы, решающих ее в столь же общем объеме и с такой же точностью. Существуют различные подходы к решению задачи опознавания объектов. Одним из возможных подходов является построение математической модели, адекватно описывающей реакцию человека на наблюдаемые объекты. Сложность применения математической модели к глазу человека состоит в том, что до сих пор неизвестен алгоритм опознавания человеком объектов. В настоящей работе в качестве основной гипотезы задействовано предположение о том, что в пороговых по опознаванию условиях наблюдатель, как и в случае обнаружения объектов, максимально использует априорную и апостериорную информацию, стремясь наилучшим образом решить поставленную перед ним задачу. Это позволяет предположить, что его характеристики должны быть близки к характеристикам оптимального приемника изображения.
Рассмотрена работа оптимального приемника изображения применительно к моделированию характеристик зрительной системы человека при решении задачи опознавания объектов на равноярких фонах. Проанализированы два случая опознавания пар объектов и любого объекта из набора известных наблюдателю других объектов. Получены основные расчетные соотношения, описывающие реакцию наблюдателей на предъявляемые изображения, обозначено дальнейшее направление работы.
Литература
2. Jarvis J., Triantaphillidou S., Gupta G. Contrast Discrimination in Images of Natural Scenes // J. Optical Society of America. 2022. V. 39(6). Pp. B50—B64.
3. Fu K.S. A Step Towards Unification of Syntactic and Statistical Pattern Recognition // IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. V. 8(3). Pp. 398—404.
4. Григорьев A.A. Статистическая теория восприятия изображений в светотехнике. М.: Изд-во МЭИ, 2003.
5. Шестов Н.С. Выделение оптических сигналов на фоне случайных помех. М.: Советское радио, 1967.
6. Боос Г.В., Григорьев А.А. Новый подход к определению качественных характеристик установок наружного освещения // Светотехника. 2015. № 6. С. 21—26.
---
Для цитирования: Григорьев А.А., Николаева И.Т. Математическая модель зрительной системы для задач распознавания объектов на равноярких фонах // Вестник МЭИ. 2023. № 6. С. 120—125. DOI: 10.24160/1993-6982-2023-6-120-125
#
1. Jain A.K., Duin R.P.W., Mao J. Statistical Pattern Recognition: a Review. IEEE Trans. Pattern Analysis and Machine Intelligence. 2000;22;1:4—37.
2. Jarvis J., Triantaphillidou S., Gupta G. Contrast Discrimination in Images of Natural Scenes. J. Optical Society of America. 2022;39(6):B50—B64.
3. Fu K.S. A Step Towards Unification of Syntactic and Statistical Pattern Recognition. IEEE Trans. Pattern Analysis and Machine Intelligence. 1986;8(3):398—404.
4. Grigor'ev A.A. Statisticheskaya Teoriya Vospriyatiya Izobrazheniy v Svetotekhnike. M.: Izd-vo MEI, 2003. (in Russian).
5. Shestov N.S. Vydelenie Opticheskikh Signalov na Fone Sluchaynykh Pomekh. M.: Sovetskoe Radio, 1967. (in Russian).
6. Boos G.V., Grigor'ev A.A. Novyy Podkhod k Opredeleniyu Kachestvennykh Kharakteristik Ustanovok Naruzhnogo Osveshcheniya. Svetotekhnika. 2015;6:21—26. (in Russian)
---
For citation: Grigoriev A.A., Nikolaeva I.T. The Mathematical Model of a Visual System for Object Recognition Against Equally Bright Backgrounds. Bulletin of MPEI. 2023;6:120—125. (in Russian). DOI: 10.24160/1993-6982-2023-6-120-125