Вероятность опознавания фотоизображения объектов

 

Вероятность предъявления	Результаты опознания
Контрольная группа	Экспериментальная группа
R1=12 мин/мм	R2=19 мин/мм
0, 3 0, 7	0, 11 0, 28	0, 15 0, 43	0, 20 0, 54

 

Как видно, знание априорных вероятностей предъяв­ления объектов, особенно при затрудненных условиях их восприятия, способствует повышению результатов опознания, причем в большей степени для более высо­ковероятных объектов. Это положение имеет особенно большое значение для правильной организации опера­торской деятельности.

Системный подход к построению образов дает возможность выдвинуть гипотезу о структурном харак­тере их сопоставления с использованием некоторых вероятностных и эвристических процедур. На каждом уровне сопоставления используется, очевидно, своя система эталонов, отличающихся по структурной цело­стности и «категориальной» значимости. При сопостав­лении образов идет активная, избирательная переработ­ка информации, связанная с поиском отличительных признаков между образами и установлением отноше­ний между ними. Завершается опознание альтернатив­ными ответами или переходом на более определенный уровень.

Процедура выбора «эталонной» гипотезы иллюст­рируется с помощью рис. 13.1. Информация об опоз­наваемом объекте через приемник сигналов поступает в блок исследования признаков и формирования обра­за. В этот же блок из долговременной памяти поступа­ют эталонные гипотезы, которые проходят через блок учета априорных вероятностей. На основании учета ап­риорной информации, поэлементного или целостного сопоставления сформированного образа с эталонами выбирается гипотеза и оценивается ее

 

 

апостериорная вероятность. В простых случаях, при опознании отдель­ных объектов на основе использования независимых, равновероятных, прямых признаков, этот процесс с известной степенью приближения описывается теоре­мой Байеса:

где — апостериорная вероятность гипотезы Ni при использовании признака — априорная вероятность появления объекта — условная вероятность признака А^ при наличии объекта N_i.

Апостериорные вероятности гипотез сравнивают­ся с порогом α _пор. При превышении его происходит опознание. Регуляция процесса исследования призна­ков, сопоставления образов и ввода новой серии эталонных гипотез осуществляется через генератор си­стемы гипотез. Как только вероятность одной из ги­потез достигнет необходимого максимума, энтропия данной системы гипотез падает ниже величины H_min и исследование признаков, сопоставление образов прекращается. Опознание объекта на основании об­ратной связи изменяет априорные вероятности гипо­тез в оперативной памяти. Если порог опознания не будет превзойден, через генератор системы гипотез вводится новая серия гипотез и осуществляется экст­раполяция к ним. Как видно, в ходе проверки гипотез происходит перераспределение их вероятностей.

Из всего сказанного видно, что решение задачи и принятие решения на опознавательном уровне сводит­ся, во-первых, к выделению информации о восприни­маемых объектах, и во-вторых, к логической обработке извлеченной информации, включая оценку выдвинутых эталонных гипотез, их проверку и принятие оконча­тельного решения о классе опознаваемых объектов.

Рассматриваемая до сих пор схема решения опоз­навательной задачи справедлива лишь для относительно простых случаев. Очень часто информация, предъяв­ляемая оператору с первичных информационных моде­лей (оптические, радиолокационные, фотоэлектронные, картографические и другие изображения), имеет «зашумленный» характер. Примерами его являются: действие радиолокационных и тепловых контрастов, боль­шая информационная емкость при загрубленности и искажении элементов структуры, крайняя структурная неоднородность, наличие неоднозначных связей между элементами моделей и реальных объектов.

Процесс решения опознавательной задачи в этих условиях существенно отличается от рассмотренного выше. В результате проведенных экспериментальных исследований [157] по восприятию зашумленных изоб­ражений была выдвинута гипотеза о слойно-ступенча­той природе решения перцептивной задачи в этих условиях. Процесс решения подобной задачи включает:

■ «послойный» анализ структуры изображений, при кото­ром происходит движение от слоев с крупноразмерными элементами к слоям с мелкоразмерными элементами;

■ ступенчато-этапную обработку информации в пределах слоя;

■ формирование на выходе слоев промежуточных образов с последующим их укрупнением;

■ экстраполяцию этих образов к эталонам различного ин­формационного содержания.

Указанные процедуры опираются на сложное вза­имодействие эвристических и вероятностных механиз­мов. Подробное их описание является сложной зада­чей и приводится в специальной литературе [157].