بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
ارائه روش جدید در تشخیص الگوي هواپیما به کمک الگوریتم هاي ریاضی
چکیده
در این مقاله یک روش جدید انتخاب ویژگی براي شناسایی و طبقه بندي بالگردها در زاویه دید دلخواه معرفی می شود که در عین حال قادر به شناسایی الگوهاي مغشوش و تغییر یافته نیز است. یک بردار 32 مولفه اي ازمتغیر هاي ویژگی براي توصیف یک تصویر باینري دو بعدي انتخاب شده که متغیرهاي ویژگی بر اساس ویژگی هاي شکلی، ویژگی سطحی و مولفه هاي طولی در میان بالگردها می باشند و براي بهبود نتایج از ویژگی هاي سطحی و معیار شناسایی فاصله ماهالانوبیس استفاده شد و نتایج بر اساس مقایسه مطلوب روش جدید با روش هاي سنتی بدست آمد.
واژههاي کلیدي: فاصله ماهالانوبیس ، استخراج ویژگی ، نویز، شناسایی الگو ، طبقه بندي بالگرد
– 1 مقدمه
در ارتباط با شناسایی یک شی سه بعدي از یک تصویر دو بعدي در زاویه دیددلخواه با چالش هایی مانند بهبود دقت، سرعت، کمترین فضاي ذخیره سازي مورد نیازو بهترین عملکرد درحضورنویزرو به رو هستیم و بسیاري ازتکنیک هاي مختلف توسعه یافته در این زمینه عبارتنداز: استفاده از برنامه نویسی پویا [1] ، توصیفگر فوریه [2] ،ممان هاي مرز [3] ، انتقالات هاف [4] و ویژگی هاي هایپرگراف . [5]در اینجا سیستم شناسایی الگو نظیر شکل 1 می باشد:
شکل .1 طرح کلی یک سیستم شناسایی الگو
در شکل 1 تصویرگرفته شده ازدوربین ابتدا در قسمتDigitizer به کمک دوربین هايCCD بصورت دیجیتال درمی آید، سپس درقسمتNormalizer به صورت نرمال تبدیل می شودتا انتقال و بزرگی وکوچکی تصاویرسبب تفاوت نشود.دراین قسمت امکان مشاهده تصویرنرمال شده ازطریقImage display وجود دارد.سپس تصویرنرمال شده به یک الگوریتم شناسایی وارد شده و بردار ویژگی آن محاسبه می شود. این قسمت با عنوان Feature Extractor نشان داده شده است. درمرحله بعدکهClassifier نامیده می شود، بردارویژگی تصویرورودي با بردارهاي ویژگی تصاویردیگري که درحافظه سیستم ذخیره شده است مقایسه شده و مشخص می گرددکه به چه گروهی تعلق دارد.
در این مقاله براي محاسبه بردار ویژگی از سه ویژگی »مساحت« ، »شکل پیرامون« و »امتداد طولی« تصویر جسم ، استفاده شده است و بر اساس سه مشخصه فوق ؛ 32 مولفه به شکل زیر تعریف شده اند:
-1 مولفه هاي 1 الی 24 که ویژگی هاي شکلی جسم را نشان می دهند.
-2 مولفه 25 الی 28 که ویژگی سطحی جسم را نشان می دهند.
-3 مولفه هاي 29 الی 32 که مولفه هاي طولی جسم را نشان می دهند.
براي تعیین مقدار این 32 مولفه ، فرض می شودکه تصویرجسم مورد نظر،یک تصویر باینري (سیاه و سفید) به ابعاد N*N پیکسل است. اگر هر پیکسل از تصویر را بصورت نمایش دهیم که در اصل متغیرهاي پیکسل باینري بولی هستند در این صورت اگر پیکسل متعلق به تصویر باشد آنگاه داراي ارزش 1و اگر پیکسل متعلق به زمینه باشد آنگاه داراي ارزش 0 خواهد بود.
یعنی براي تعیین هر مولفه ؛کل کادرتصویر را یک مربع 3*3 پیکسل اسکن می کند. شکل 2 مربع هاي متناظر با هر کدام از 24 مولفه شکلی فوق را نشان می دهد.
با این فرضیات ابتدا 24 مولفه شکلی را به ترتیب زیر تعریف می کنیم:
بعد از تعیین مولفه هاي ویژگی شکلی نوبت به مولفه هاي سطحی می رسد. این مولفه ها به سادگی از روابط زیر، حاصل می شوند:
همانطور که ملاحضه می شود، با تقسیم کادرتصویربه4 قسمت و شمارش پیکسل هاي هر قسمت مقدارمولفه سطحی متناظر با آن بدست می آید. شکل3 نشانگر این مطلب می باشد:
شکل .3 طرح شکاتیک ویژگی هاي سطحی متناظربا تا مولفه هاي طولی نیز به صورت زیر تعریف می شوند، با این تفاوت که در اینجا ، تصویر با مربعات بزرگتر به ابعاد 7*7 پیکسل ، اسکن می شود.
شکل 4 تصویر متناظر با هر مولفه را نشان می دهد. در حقیقت این 4 ترکیب ، کشیدگی شکل را در چهار جهت افقی ، عمودي ،
45 درجه و 135 درجه نشان می دهد.
-2 معیار شناسایی
دراین مقاله هدف اصلی شناسایی بالگرد ، از تمام زاویاي دید دلخواه می باشد. براي تجسم بهتر ، می توان تصور کرد که بالگردي در مرکز یک کره قرار دارد و دوربین بر روي سطح کره جابجا می شود. به عنوان مثال اگر دوربین درست در نقطه بالاي کره باشد ، ما تصویر نماي فوقانی بالگرد را خواهیم داشت و اگر بر روي دایره عظیمه کره و در نقطه اي که بر روي امتداد بالگرد دارد ، قرار بگیرد ، تصویر نماي روبرو را خواهیم داشت:
شکل .5 رابطه تصویر اصلی با تصویر قرینه
در حالت کلی همان گونه که بی شمار نقطه بر روي سطح کره قرار دارد، نماهاي گوناگون بالگرد نیز بسیار زیاد می باشند، هدف آن است که با انتخاب یکسري از نماها و آموزش آن ها به سیستم ، سایر نماهاي مابین آنها نیز شناسایی شوند. براي این منظور 1100 نما براي هر بالگرد انتخاب شده است.
تعداد کل بالگردها نیز 13 نوع می باشد . همچنین از 300 تصویر براي آزمایش مسئله استفاده شده است.
معیار ماهالانوبیس براي مسائلی استفاده می شود که ماهیت آماري داشته باشند یعنی ابتدا با تعداد قابل توجهی از نمونه ها ، سیستم آموزش می بیند و سپس با نمونه هاي دیگري آزمایش می شود. در این مقاله فرض بر این است که تعداد نمونه ها مشخص می باشند به همین خاطر معیاري لازم است که از یک طرف بین الگوهاي مختلف تمایز ایجاد کند و از طرف دیگر قادر باشد تصاویر مغشوش را به تصویر مرجع آنها نسبت دهد لذا فاصله ماهالانوبیس در نظر گرفته شده است حال اگر
بردار نمونه تست و بردار ویژگی یکی از تصاویر کتابخانه باشد فاصله ماهالانوبیس بصورت زیر تعریف می شود: که در آن :
حال اگر i شماره هر تصویر باشد داریم i=1,2,…,M
بردار ویژگی i ام را بوسیله ( که ( i=1,2,…,M نشان می دهیم و بردار ویژگی میانگین براي هر بالگرد را بوسیله نشان می دهیم که در آن :
با این تعریف ماتریس کواریانس را به شکل زیر تعریف می کنیم:
که در آن برابر است با:
-3 بررسی روش شناسایی به کمک ویژگی هاي سطحی
مزیت عمده ویژگی هاي شکلی ، عدم نیاز به محاسبات اولیه است که پس از دریافت تصویر دیجیتال و تبدیل آن به فرمت سیاه و سفید می توان بدون محاسبات پیچیده ايمستقیماً مولفه هاي بردار ویژگی را با روابط ساده اي بدست آورد.
