Académique Documents
Professionnel Documents
Culture Documents
I. Introducere
Prelucrarea imaginilor este un domeniu actual care si-a pastrat si isi pastreaza
dinamismul si importanta datorita numarului mare de aplicatii si implementari pe care le
poate oferi. De asemenea, dezvoltarile tehnologice au facilitat accesul sistemelor de
procesare si prelucrare de imagini in tot mai multe ramuri ale industriei.
In figura de mai jos recunoastem sinteza imagisticii computerizate, asa cum a fost
prezentata in lucrarea lui Pavlidis, una fundamentala pentru inceputurile prelucrarii de
imagini.
Desi simplitatea ei o face atractiva, aceasta retea prezinta doua limitari majore cand
este utilizata ca memorie adresabila prin continut :
- numarul de forme prototip care pot fi stocate si apoi regasite corect in retea este mic.
Daca se incearca stocarea prea multor forme prototip, reteaua ar putea converge catre
un prototip fictiv.
- reteaua devine instabila daca prototipurile memorate in retea sunt foarte
asemanatoare (numar mare de biti identici).
Daca reteaua Hopfield e folosita drept clasificator, iesirea retelei trebuie comparata cu
fiecare forma prototip, dupa care se poatea lua decizia de apartenta la una din clasele
atasate formelor prototip.
In continuare prezentam algoritmul de antrenare al retelei Hopfield.
V. Implementare
Pentru demonstrarea capibilitatilor de recunoasterea formelor a retelei hopfield s-a
Apoi incarcam poze ce vor servi ca pattern-uri de recunoastere pentru aplicatie. Vom
incarca 3 poze cu literele A, B si C.
Urmeaza apoi incarcarea imaginii ce trebuie clasificata. Aceasta reprezinta litera B, dar
a fost adaugat si 5% zgomot.
Ultimul pas este pornirea procesului de clasificare. In final putem observa clasa pe care
s-a facut match.
V. Concluzii
Problema recunoasterii formelor s-a combinat cu problema clasificarii automate a
imaginilor odata cu dezvoltarea deosebita luata de tehnologiile hardware multimedia.
Din perspectiva modelarii matematice fundamental, aceasta problema este deschisa
dezvoltarii.
Exista in schimb numeroase abordari si algoritmi care ataca problema din perspective
variate. Printre acestea sunt si retelele neurale care datorita caracteristicii lor de a putea
invata pattern-uri in urma unei antrenari prealabile se pliaza bine pe aceasta problema.
VI. Bibliogafie
[1] http://www.codeproject.com/Articles/15949/Hopfield-model-of-neural-network-for-patternrecog
[5]
http://en.wikipedia.org/wiki/Pattern_recognition