Оптические методы выделения признаков

Оптические методы выделения признаков [c.275]

В случае применения КОП анализируется спектр-Фурье исследуемых структур, получаемый с помощью оптических процессоров, описанных выше. Перспективно применение гибридных методов контроля, при которых предварительная обработка изображений (выделение объектов с заданными признаками, проведение операций типа свертки, пространственной фильтрации и т п.) производится быстродействующими КОП, а процедуры последующей классификации структур осуществляются ЭВМ (подсчет коэффициента формы, вычисление числа одинаковых элементов в поле зрения, корреляционный анализ, вычисление статистических характеристик и т. д.). [c.114]

Исследование включений под микроскопом на шлифе дополняется изучением выделенных электролизом из металла включений в проходящем или отраженном свете и определением их оптических констант, т. е. определением их минералогического состава петрографическими методами [15]. Наиболее важная характеристика включений — показатель преломления N. Схема определения природы включений и характерные признаки основных неметаллических включений в сталях приведены в табл. 1.4 и на рис. 1.15. [c.34]

Авторы уверены в том, что системы технического зрения, использующие методики моделирования высокого уровня, в случае применения оптических методик могут получить ряд преимуществ, поскольку они объединяют элементы как цифровых (например, обнаружение/усиление края объекта, фурье-методи-ки для вычислений признаков), так и символьных (сопоставление с образцом, распознавание объектов и т. д.) вычислений [14]. Так как такие системы требуют интенсивной работы с базой знаний, то применение систем с большой пропускной способностью памяти (см. разд. 10.4) может облегчить решение некоторых задач, связанных с итерационным процессом идентификации. Наиболее совершенные системы понимания изображений [15, 16] требуют сопряжения чисто цифровой обработки изображения, выполняемой на самом низком уровне выделения фрагментов изображения, с символьными вычислениями, выполняемых на более высоких уровнях в процессе классификации и распознавания объектов [17]. Сочетание цифровых и символьных вычислений для решения таких задач технического зрения, как управление оптическими потоками, может явиться для оптических вычислений наиболее важным применением в области ИИ. [c.313]

Метод РНП МНИ характеризуется следующими признаками оптической записью по способу переменной ширины колебаний в девяти точках профиля, фотоэлектрическим суммированием записей дополнительной частотной фильтрацией при суммировании, которая может быть уточнена по искусственно создаваемым картинам наложения волн выделением волн на суммолентах по совокупности признаков, характеризующих эффект суммирования волн. [c.37]

В отличие от рассмотренных выше оптических методов распознавания образов подход, основанный на выделении признаков, состоит в формировании оптическими методами набора признаков опознаваемого объекта и в дальнейшем их анализе цифровыми методами [216]. В этом случае одна и та же оптическая система используется для любых классов входных объектов (изображений). П оэтому такие системы обладают существенно более высокой гибкостью и универсальностью, чем корреляторы, требующие формирования нового СПФ при кажд011 смене распознаваемого объекта. Однако устройства формирования и извлечения признаков, как правило, требуют сегментирования входного изображения с тем, чтобы на входе системы присутствовал только один объект. [c.275]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...