Объединение глобальных и индивидуальных признаков изображений для характеристики совокупностей гранулированных продуктов

Характеристика совокупностей гранулированных продуктов с использованием анализа изображений представляет собой сложную задачу, поскольку часто требует извлечения и объединения множества различных признаков. Мы предлагаем рассматривать задачи классификации гранулированных продуктов в общем виде с учетом этапа анализа изображений, обработки извлеченной информации и принятия решений. В настоящей работе основное внимание уделено разработке системы принятия решений. Она основана на иерархическом подходе к решению задачи и включает универсальную систему, выходные данные которой неоднозначны (приближенное решение), связанную со специализированными системами, обученными формировать однозначные решения. Входными данными универсальной системы являются компоненты вектора, содержащего наиболее важную информацию для различения всех классов решений, тогда как входными данными специализированных систем служат признаки, наилучшим образом различающие один класс от другого. Такая стратегия позволяет преодолеть многоклассовый характер задачи. Она не зависит от выбора методов отбора релевантной информации и принятия решения. Метод применен к задаче классификации блюд, в рамках которой сравниваются три типа классификаторов: дискриминантный анализ, метод k ближайших соседей и многослойные нейронные сети. © 1997 John Wiley & Sons, Ltd.