Устройство для распознавания образов

(51) МПК НАЦИОНАЛЬНЫЙ ЦЕНТР ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ УСТРОЙСТВО ДЛЯ РАСПОЗНАВАНИЯ ОБРАЗОВ(71) Заявитель Государственное научное учреждение Объединенный институт проблем информатики Национальной академии наук Беларуси(72) Автор Прокопович Григорий Александрович(73) Патентообладатель Государственное научное учреждение Объединенный институт проблем информатики Национальной академии наук Беларуси(57) Устройство для распознавания образов, содержащее блок проецирования изображений, оптически связанный с оптическим затвором, вход которого соединен с формирователем импульсов запуска, а выход соединен с входом фотоэлектрического преобразователя, выполненного в виде матрицы размеромфотоприемных ячеек, выход которого соединен с входом преобразователя параметров изображений в длительности временных интервалов, схему сравнения, выход которой соединен с входом анализатора несовпадаемости сигналов, выход которого соединен с входом блока перекоммутации и входом формирователя типа изображения, выход которого является выходом устройства,отличающееся тем, что содержит блок гетероассоциативной памяти, выполненный в виде соединений арифметико-логических элементов с функцией памяти, расположенных в узлах сетки размером, блок динамической памяти, выход которого соединен с первым входом схемы сравнения, второй выход анализатора несовпадаемости сигналов соединен с вторым входом схемы сравнения и управляющим входом блока динамической памяти,который подключен к первым информационным каналам блока гетероассоциативной памяти, управляющие входы которого соединены с выходами блока перекоммутации, блок гетероассоциативной памяти вторыми информационными каналами подключен к преобразователю параметров изображений в длительности временных интервалов и соединен с информационными входами формирователя типа изображения. Полезная модель относится к автоматике и вычислительной технике и может быть использована в системах машинного зрения для распознавания зрительных образов (изображений) и обработки других сенсорных данных различной природы (ультразвуковых,акустических и тактильных датчиков), которые могут быть установлены на автономных мобильных роботах, функционирующих в динамической среде с априори неизвестными свойствами. Известна система распознавания образов с самоадаптацией алгоритма сравнения к новым образам 1, основанная на теории адаптивного резонанса С. Гроссберга, которая предлагает решение дилеммы стабильно-пластичного восприятия новой информации искусственными нейронными сетями (ИНС). В указанном устройстве используется первый адаптивный фильтр распознавания снизу вверх, который выбирает для входного образа наиболее близкий эталон, и второй адаптивный фильтр сравнения сверху вниз, который восстанавливает входной образ. Значения первого и второго адаптивных фильтров содержатся в первом и втором блоках кратковременной памяти соответственно. Если восстановленный образ совпадет с входным, то есть первый управляющий блок не выявит новизны, то возникнет состояние адаптивного резонанса (усиление и продление нейронной активности) и входной образ будет считаться распознанным, в противном случае в слой распознавания будет добавлен новый нейрон, соответствующий новому образу, и увеличится порядок первого и второго адаптивных фильтров. Несмотря на то что указанное устройство предлагает эффективное решение проблемы стабильно-пластичной организации памяти в ИНС, оно обладает рядом недостатков. Информация о каждом эталоне закодирована в синаптических связях отдельного нейрона. Отсюда вытекает один из главных недостатков устройства последовательная организация поиска эталонов в долговременной памяти. При большом объеме накопленной информации это отрицательным образом сказывается на общем быстродействии устройства. Также локальное распределение информации в памяти устройства отрицательно сказывается на его безопасности и надежности при выходе из строя одного нейрона теряется информация об одном эталоне. С другой стороны, нейронные сети, основанные на теории адаптивного резонанса, характеризуются процессами самоорганизации и обучаются без учителя. Поэтому эксперт не в состоянии объединить те или иные образы (даже близкие с его точки зрения) в один класс, как требуется для решения конкретной задачи. Наиболее близким по технической сущности к предлагаемому техническому решению является устройство 2, осуществляющее распознавание изображений, включающее блок проецирования изображений, оптический затвор, фотоэлектрический преобразователь,выполненный в виде матрицы размеромфотоприемных ячеек, преобразователь параметров изображения в длительности временных интервалов, блок перекоммутации,блок динамической памяти эталонных векторов-откликов с системой формирования базы эталонных знаний и выбора образцов эталонов, схему сравнения, анализатор несовпадаемости сигналов и формирователь типа изображения. Основным недостатком этого устройства является то, что каждую новую ключевую функцию, замещающую собой входной образ, анализируют и последовательно сравнивают с ранее известными и записанными в памяти знаний эталонными образами, что ведет к вычислительным и временным затратам. Задачей предлагаемой полезной модели является увеличение быстродействия за счет упрощения процессов распознавания и адаптации. 2 86932012.10.30 Задача решается за счет того, что в устройство для распознавания образов, содержащее блок проецирования изображений, оптически связанный с оптическим затвором, вход которого соединен с формирователем импульсов запуска, а выход соединен с входом фотоэлектрического преобразователя, выполненного в виде матрицы размеромфотоприемных ячеек, выход которого соединен с входом преобразователя параметров изображений в длительности временных интервалов, схему сравнения, выход которой соединен с входом анализатора несовпадаемости сигналов, выход которого соединен с входом блока перекоммутации и входом формирователя типа изображения, выход которого является выходом устройства, дополнительно введены блок гетероассоциативной памяти,выполненный в виде соединений арифметико-логических элементов с функцией памяти,расположенных в узлах сетки размером, блок динамической памяти, выход которого соединен с первым входом схемы сравнения, второй выход анализатора несовпадаемости сигналов соединен с вторым входом схемы сравнения и управляющим входом блока динамической памяти, который подключен к первым информационным каналам блока гетероассоциативной памяти, управляющие входы которого соединены с выходами блока перекоммутации, блок гетероассоциативной памяти вторыми информационными каналами подключен к преобразователю параметров изображений в длительности временных интервалов и соединен с информационными входами формирователя типа изображения. Сущность устройства поясняется фигурами. На фиг. 1 представлена схема предлагаемого устройства для распознавания образов. На фиг. 2 показан процесс ассоциации входных двумерных монохромных изображений с одним одномерным бинарным вектором. Устройство для распознавания образов содержит блок проецирования изображений 1,оптический затвор 2, фотоэлектрический преобразователь 3, выполненный в виде матрицы размеромфотоприемных ячеек 4, преобразователь параметров изображений в длительности временных интервалов 5, блок гетероассоциативной памяти 6, выполненный соединением арифметико-логических элементов с функцией памяти 7, расположенных в узлах сетки размером, блок динамической памяти 8, схему сравнения 9, анализатор несовпадаемости сигналов 10, формирователь типа изображения 11, блок перекоммутации 12 и формирователь импульсов запуска 13. Оптический выход блока 1 проецирования изображений связан с оптическим входом оптического затвора 2, управляющий вход которого соединен с выходом формирователя импульсов запуска 13, а выход оптического затвора 2 соединен с матрицей 3 фотоприемных ячеек 4, выход которой связан с входом преобразователя параметров изображения в длительности временных интервалов 5, вторые информационные каналы 17 блока гетероассоциативной памяти 6, количество которых равно , связаны с преобразователем параметров изображения в длительности временных интервалов 5 и с информационными входами 18 формирователя типа изображения 11, выход 14 которого является выходом устройства. Первые информационные каналы 15 блока гетероассоциативной памяти 6, количество которых равно , соединены с входами блока динамической памяти 8, выход которого соединен с схемой сравнения 9, выход которой соединен с входом анализатора несовпадаемости сигналов 10, первый выход которого соединен с входом формирователя типа изображения 11 и входом блока перекоммутации 12, управляющие выходы 16 которого связаны с управляющими входами блока гетероассоциативной памяти 6. Второй выход анализатора несовпадаемости сигналов 10 через обратную связь связан с вторым входом схемы сравнения 9 и управляющим входом блока динамической памяти 8. Устройство работает следующим образом. Для начала работы устройства с формирователя импульсов запуска 13 на затвор 2 подается сигнал прямоугольной формы определенной длительности, в течение которого последний находится в открытом состоянии и производит проецирование изображения на фотоэлектрический преобразователь 3, в котором световой поток преобразуется в элек 3 86932012.10.30 трические сигналы с помощью фотоприемных ячеек 4 матрицы размером. Полученные сигналы подаются на преобразователь характеристик изображения в длительности временных интервалов 5, где подвергаются предварительной обработке, заключающейся в бинаризации сигнала с помощью некоторого порога, причем полученные двумерные данные преобразуются путем последовательного построчного объединения элементов двумерной матрицы в одномерный вектор длиной. Затем каждое значение полученного вектора поступает через вторые информационные каналы 17 в блок гетероассоциативной памяти 6 на соответствующий столбец арифметико-логических элементов с функцией памяти 7, в которых по управляющему сигналу блока перекоммутации 12 происходит умножение на хранящиеся в них значения,соответствующие значениям синаптических связей весовой матрицы ИНС двунаправленная ассоциативная память (ДАП). После этого блок перекоммутации 12 включает новый режим, по которому полученные значения арифметико-логических элементов с функцией памяти 7 каждой изстрок последовательно суммируются друг с другом и передаются по первым информационным каналам 15 в блок динамической памяти 8, где подвергаются операции бинаризации на основе некоторого порога. В результате получается векторотклик длиной , который замещает собой значения элементов входного вектора, содержащего исходные сенсорные данные. Количествопервых информационных каналов 15 зависит от максимально возможного числа запоминаемых гетероассоциативной памятью 6 классов. Полученный вектор-отклик подается на первый вход схемы сравнения 9, где реализуется сравнение, насколько входной вектор соответствует известным эталонам, результат которого затем подается на вход анализатора несовпадаемости сигналов 10. Если входной образ окажется известным, то через первый выход анализатора несовпадаемости сигналов 10 будет подан сигнал на вход блока перекоммутации 12, чтобы последний через управляющие входы 16 подал на арифметико-логические элементы с функцией памяти 7 такую очередность команд, после которой значения каждого изэлементов вектора-отклика умножатся на соответствующие значения элементов, расположенных в строках. Далее полученные значения каждого изстолбцов матрицы арифметико-логических элементов с функцией памяти 7 последовательно суммируются и через вторые информационные каналы 17 поступают на информационные входы 18 формирователя типа изображения 11, в котором они подвергаются процессу бинаризации. После этого происходит операция, обратная той, которая происходит в преобразователе параметров изображений в длительности временных интервалов 5. Таким образом, первый выход анализатора несовпадаемости сигналов 10 позволит вывести полученное двумерное изображение распознанного эталона на выход 14 предлагаемого устройства. На фиг. 2 показан пример ввода в предлагаемое устройство любого из монохромных изображений буквы А размером 3232 пикселя, выполненных различными шрифтами. При прямом проходе гетероассоциативная память выдала одинаковый бинарный векторотклик (идентификатор) 00000001, который присутствует в списке эталонов, а при обратном проходе вывела через формирователь типа изображения 11 на выход устройства 14 изображение соответствующего эталонного образа. Если входной образ окажется новым, т.е. он не будет соответствовать ни одному из известных эталонов, то устройство запомнит его как новый класс и, соответственно, добавит в память новый эталон. Для этого анализатор несовпадаемости сигналов 10 через второй выход подаст номер нового класса, который равен количеству уже запомненных классов плюс один, на второй вход схемы сравнения 9 и управляющий вход блока динамической памяти 8, после чего схема сравнения 9 запомнит его для дальнейших сеансов сравнения. Одновременно анализатор несовпадаемости сигналов 10 через первый выход подаст управляющий сигнал, по которому выход 14 формирователя типа изображений 11 заблокируется. Одновременно блок перекоммутации 12 подаст на арифметико-логические 4 86932012.10.30 элементы с функцией памяти 7 такую очередность команд, которая позволит добавить в память новый образ. Значение каждой ячейки памяти, расположенной на пересечении -й строчки и -го столбца, изменяется на величину, равную произведению значения -го элемента нового вектора-отклика, поступающего от блока динамической памяти 8, и -го элемента входного изображения, поступающего от преобразователя параметров изображений в длительности временных интервалов 5. Таким образом, весовая матрица сетиДАП пополниться информацией об очередном образе. Достигаемый технический результат - значительное уменьшение времени обработки сигналов за счет применения нейросетевой гетероассоциативной памяти, которая способна каждому входному вектору сопоставить другой вектор значительно меньшей размерности, что позволит намного быстрее производить обработку. Предложенный классификатор на основе вычисления меры сходства входного вектора с имеющимися в его памяти эталонами способен принимать решение об его принадлежности к одному из известных классов либо констатировать факт появления нового класса. Адаптация производится за счет использования обобщающих свойств ассоциативной памяти, а также постоянного сравнения входных образов с имеющимися в ней эталонами, при отрицательном результате которого в память может быть записан новый эталон. Национальный центр интеллектуальной собственности. 220034, г. Минск, ул. Козлова, 20. 5