RU2256224C1 - Database for processing, analyzing and recognizing images - Google Patents
Database for processing, analyzing and recognizing images Download PDFInfo
- Publication number
- RU2256224C1 RU2256224C1 RU2003133170/09A RU2003133170A RU2256224C1 RU 2256224 C1 RU2256224 C1 RU 2256224C1 RU 2003133170/09 A RU2003133170/09 A RU 2003133170/09A RU 2003133170 A RU2003133170 A RU 2003133170A RU 2256224 C1 RU2256224 C1 RU 2256224C1
- Authority
- RU
- Russia
- Prior art keywords
- input
- module
- output
- knowledge
- information
- Prior art date
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
Изобретение относится к вычислительной технике и информатике и может быть использовано в автоматизированных системах анализа и распознавания тоновых, бинарных и цветных (фото-) изображений.The invention relates to computing and computer science and can be used in automated systems for the analysis and recognition of tone, binary and color (photo) images.
Задачи анализа и распознавания изображений широко распространены в промышленности, медицине, при автоматизации научных исследований, в экологии, геологии, прогнозировании природных катастроф и чрезвычайных ситуаций, военном деле и других отраслях знаний (см., например, RU 2163394 С2, 29.03.1999; RU 2178915 С2, 27.01.2002; ЕР 11844659 A1, 06.03.2000). Для решения задач обработки, анализа и распознавания изображений созданы алгоритмическо-программные системы, использующие современные вычислительные средства (Ю.И. Журавлев, И.Б. Гуревич, Распознавание образов и анализ изображений // Искусственный интеллект: В 3-х книгах, книга 2. Модели и методы: Справочник. М.: Радио и связь, 1990. С.149-191; Ю.И. Журавлев, И.Б. Гуревич, Методы и средства преобразования и обработки информации в задачах распознавания образов и анализа изображений // Параллельная обработка информации: В 5 т., т. 5: Проблемно-ориентированные и специализированные средства обработки информации. - Киев: Наукова думка, 1990. - С.218-318; И.Б. Гуревич, Ю.И. Журавлев, Д.М. Мурашов и др., Система автоматизации научных исследований в области анализа и понимания изображений на основе накопления и использования знаний. Ч.1 // Автометрия. - 1999. - №6. - С.23-50).The tasks of image analysis and recognition are widespread in industry, medicine, in the automation of scientific research, in ecology, geology, forecasting natural disasters and emergencies, military affairs and other branches of knowledge (see, for example, RU 2163394 C2, 03/29/1999; RU 2178915 C2, 01/27/2002; EP 11844659 A1, 03/06/2000). To solve the problems of processing, analysis and recognition of images, algorithmic-software systems using modern computing tools have been created (Yu.I. Zhuravlev, IB Gurevich, Pattern Recognition and Image Analysis // Artificial Intelligence: 3 books, book 2 Models and Methods: Reference Book, Moscow: Radio and Communications, 1990. P.149-191; Yu.I. Zhuravlev, IB Gurevich, Methods and Means of Converting and Processing Information in Pattern Recognition and Image Analysis Problems // Parallel information processing: V 5 t., T. 5: Problem-oriented second and specialized means of information processing. - Kiev: Naukova Dumka, 1990. - P.218-318; IB Gurevich, Yu.I. Zhuravlev, DM Murashov and others, Automation system for scientific research in the field of analysis and understanding of images based on the accumulation and use of knowledge.
Известна экспертная система обработки изображения (OCAPI) (V. Clement, М. Thonnat, J. Van Den Elst. Supervision of Perception Tasks for Autonomous Systems: The OCAPI Approach, INRIA Rapports de Recherche N2000, 1993, 28 p.). Система содержит модуль, который вместе с драйвером интерфейса и интерфейсом пакета подпрограмм может функционировать как интегрированная среда, предназначенная для обработки изображений. Модуль содержит знания о том, как в общем контексте управления внешней программной системой обеспечить следующие возможности.Known expert image processing system (OCAPI) (V. Clement, M. Thonnat, J. Van Den Elst. Supervision of Perception Tasks for Autonomous Systems: The OCAPI Approach, INRIA Rapports de Recherche N2000, 1993, 28 p.). The system contains a module, which, together with the interface driver and the interface of the subprogram package, can function as an integrated environment designed for image processing. The module contains knowledge on how to provide the following features in the general context of managing an external software system.
1. Разбивать основную задачу на подцели, которые представляют независимые логические блоки решения проблемы в целом.1. Break the main task into subgoals, which represent independent logical blocks for solving the problem as a whole.
2. Далее разделить подцели на шаги, которые соответствуют базисным методам и алгоритмам специфической прикладной области. Концептуально эти шаги находятся на том же самом уровне, как и подпрограммы рассматриваемого пакета программ. Авторы считают определяющим наличие, по крайней мере, трех иерархических уровней (цели, подцели, шаги), чтобы иметь промежуточный уровень подзадач между глобальной целью и подпрограммами.2. Next, divide the sub-goals into steps that correspond to the basic methods and algorithms of a specific application area. Conceptually, these steps are at the same level as the routines of the software package in question. The authors consider determining the presence of at least three hierarchical levels (goals, subgoals, steps) to have an intermediate level of subtasks between the global goal and subprograms.
3. Допускать решение двух или больше связанных задач без дублирования. Любая подзадача, необходимая для более чем одной из задач, будет решаться только один раз.3. To allow the solution of two or more related tasks without duplication. Any subtask necessary for more than one of the tasks will be solved only once.
4. Допускать итерационный процесс управления (например, в задачах обработки изображений сглаживание может требовать ряда итераций).4. To allow an iterative control process (for example, in image processing problems, smoothing may require a number of iterations).
5. Разрешается возврат к предыдущим шагам в случае неудовлетворительных результатов.5. It is allowed to return to the previous steps in case of unsatisfactory results.
В этой системе эта общая стратегия решения задач реализована приблизительно в 60 правилах, некоторые из которых используют набор из 30 процедур на языке Prolog.In this system, this general problem-solving strategy is implemented in approximately 60 rules, some of which use a set of 30 procedures in Prolog.
Принципы построения баз знаний для систем распознавания образов с использованием компьютерных технологий, в том числе с обучением, известны (US 5159667, 27.10.1992; US 5748850, 05.05.1998; US 6577757, B1, 10.06.2003), но они решают частные задачи, наполняя базы лишь новыми эталонными образами.The principles of building knowledge bases for pattern recognition systems using computer technologies, including training, are known (US 5159667, 10.27.1992; US 5748850, 05/05/1998; US 6577757, B1, 06/10/2003), but they solve particular problems filling the bases with only new reference images.
Известны способ и система для конструирования средств обработки изображений (WO 01/67389 A1, G 06 T 1/00, 13.09.2001 - ближайший аналог), в состав которой входит база знаний. Эта система представляет собой многофункциональное средство анализа изображений, предназначенное для разработки приложений, исследований и обучения. База знаний включает:A known method and system for constructing image processing means (WO 01/67389 A1, G 06
- ядро системы, которое состоит из модулей, вызывающих операторы, управляющие операциями ввода/вывода и переводящие объекты данных во внутренний язык системы;- the core of the system, which consists of modules that invoke operators, control input / output operations and translate data objects into the internal language of the system;
- средства управления данными, которые отвечают за управление основной памятью (оптимизированной для обработки изображений), а также за создание, управление и уничтожение графических объектов и кортежей;- data management tools that are responsible for managing the main memory (optimized for image processing), as well as for creating, managing and destroying graphic objects and tuples;
- средства алгоритмического наполнения - библиотеку, включающую более 750 операторов для анализа изображений и визуализации данных;- means of algorithmic filling - a library including more than 750 operators for image analysis and data visualization;
- инструментальное средство HDevelop для ускоренной разработки программ анализа изображений (Computer Aided Vision Engineering CAVE - tool);- HDevelop tool for accelerated development of image analysis programs (Computer Aided Vision Engineering CAVE - tool);
- средства отладки;- debugging tools;
- базу знаний операторов, которая содержит справочную информацию по каждому оператору системы (имена и количество операторов, типы параметров, предлагаемые значения параметров).- a knowledge base of operators, which contains reference information for each operator of the system (names and number of operators, parameter types, proposed parameter values).
Недостаток вышеуказанных баз знаний заключается в том, что ни одна из них не ставит и не решает задачу анализа и распознавания изображений на основе автоматизации извлечения информации из изображений.The disadvantage of the above knowledge bases is that none of them poses and solves the problem of image analysis and recognition based on the automation of extracting information from images.
Вместе с тем, построение базы знаний по анализу и распознаванию изображений с автоматизацией извлечения информации из изображений, накапливающей и использующей знания по анализу и распознаванию изображений может значительно повысить эффективность решения задач в данной области.At the same time, building a knowledge base on image analysis and recognition with automation of extracting information from images, accumulating and using knowledge on image analysis and recognition, can significantly increase the efficiency of solving problems in this area.
Задачей настоящего изобретения является построение комплекса технических средств обработки данных, обеспечивающего автоматизированное формирование и пополнение базы знаний по анализу и распознаванию изображений в виде ориентированной на поиск по различным критериям упорядоченной совокупности информационных массивов - блоков задач. Каждый из этих блоков представляет собой структурированное описание задачи, сформированное с использованием иерархической классификации задач анализа, обработки и распознавания изображений, и тезауруса по анализу, обработке и распознаванию изображений.The objective of the present invention is the construction of a set of technical means of data processing, which provides the automated formation and replenishment of the knowledge base for analysis and recognition of images in the form of a search-oriented set of information arrays - task blocks based on various criteria. Each of these blocks is a structured description of the problem, formed using a hierarchical classification of tasks of analysis, processing and recognition of images, and a thesaurus for analysis, processing and recognition of images.
Технический результат, сформулированный в задаче настоящего изобретения, достигается тем, что база знаний по анализу и распознаванию изображений содержит центральный блок управления процессами обработки и передачи данных, пользовательский интерфейс, интерфейс внешней связи и комплексную подсистему организованного хранения знаний. Комплексная подсистема организованного хранения знаний включает в себя подключенные к общей информационно-управляющей магистрали модуль задач, модуль поддержки процессов планирования, управления и принятия решений, модуль алгоритмов, модуль промежуточных результатов решения задач, модуль эталонных и тестовых изображений, модуль извлечения, структурирования и записи новых знаний и модуль тезауруса, глоссария, библиографии и справочника. К общей информационно-управляющей магистрали подключен первый вход-выход центрального блока управления процессами обработки и передачи данных, второй вход-выход которого связан с пользовательским интерфейсом, а третий - с внутренним входом-выходом интерфейса внешней связи. Внешний вход-выход интерфейса внешней связи является входом-выходом базы знаний по анализу и распознаванию изображений с возможностью подключения к системе анализа и обработки изображений.The technical result formulated in the task of the present invention is achieved by the fact that the knowledge base for image analysis and recognition contains a central control unit for the processing and data transfer processes, a user interface, an external communication interface and an integrated subsystem of organized knowledge storage. The complex subsystem of organized knowledge storage includes a task module connected to a common management information highway, a module for supporting planning, management and decision-making processes, an algorithm module, an intermediate module for solving problems, a reference and test image module, a module for extracting, structuring and recording new knowledge and module of the thesaurus, glossary, bibliography and reference. The first input-output of the central data processing and transmission control unit is connected to the common information-control highway, the second input-output of which is connected to the user interface, and the third to the internal input-output of the external communication interface. The external input-output of the external communication interface is the input-output of the knowledge base for image analysis and recognition with the ability to connect to an image analysis and processing system.
База знаний может характеризоваться тем, что центральный блок управления процессами обработки и передачи данных содержит взаимосвязанные поисковую и управляющую подсистемы.The knowledge base can be characterized by the fact that the central unit for controlling the processes of data processing and transmission contains interconnected search and control subsystems.
База знаний может характеризоваться и тем, что модули, входящие в состав комплексной подсистемы организованного хранения знаний, выполнены в виде автономных реляционных баз данных.The knowledge base can also be characterized by the fact that the modules that make up the integrated subsystem of organized knowledge storage are made in the form of autonomous relational databases.
База знаний может также характеризоваться тем, что автономная реляционная база данных содержит по меньшей мере один блок памяти, ориентированный на хранение электронных таблиц, специализированный контроллер и блок связи с общей информационно-управляющей магистралью, первый вход-выход которого является входом-выходом модуля, а второй вход-выход соединен с общим входом-выходом контроллера, информационные и управляющие входы-выходы которого связаны соответственно с информационными и управляющими входами-выходами блока памяти.The knowledge base can also be characterized in that the autonomous relational database contains at least one memory block oriented to storing spreadsheets, a specialized controller, and a communication unit with a common information-control highway, the first input-output of which is the input-output of the module, and the second input-output is connected to a common input-output of the controller, the information and control inputs and outputs of which are associated with the information and control inputs and outputs of the memory block, respectively.
База знаний может характеризоваться, кроме того, тем, что автономная реляционная база данных содержит: по меньшей мере один блок памяти, ориентированный на хранение электронных таблиц, специализированный контроллер, блок проверки непротиворечивости вводимых знаний и блок связи с общей информационно-управляющей магистралью, первый вход-выход которого является входом-выходом модуля, а второй вход-выход соединен с общим входом-выходом контроллера, информационные и управляющие входы-выходы которого связаны соответственно с информационными и управляющими входами-выходами блока памяти и блока проверки непротиворечивости вводимых знаний.The knowledge base can be characterized, in addition, by the fact that an autonomous relational database contains: at least one memory block oriented to storing spreadsheets, a specialized controller, a unit for checking the consistency of input knowledge, and a communication unit with a common information and control highway, the first input -the output of which is the input-output of the module, and the second input-output is connected to a common input-output of the controller, the information and control inputs and outputs of which are connected respectively with the information mi and control inputs and outputs of the memory unit and the unit for checking the consistency of input knowledge.
Существо изобретения поясняется на чертежах, где:The invention is illustrated in the drawings, where:
на фиг.1 представлена блок-схема патентуемой базы знаний;figure 1 presents a block diagram of a patentable knowledge base;
на фиг.2, 3 - блок-схема автономной реляционной базы данных;figure 2, 3 is a block diagram of an autonomous relational database;
на фиг.4 - алгоритм поиска решений в базе знаний;figure 4 - algorithm for finding solutions in the knowledge base;
на фиг.5 - алгоритм планирования решения задачи.figure 5 - planning algorithm for solving the problem.
База знаний по анализу и распознаванию изображений (см. фиг.1) содержит центральный блок 10 управления процессами обработки и передачи данных, по меньшей мере один пользовательский интерфейс 12, интерфейс 14 внешней связи и комплексную подсистему 20 организованного хранения знаний. Пользовательский интерфейс 12 предназначен для осуществления взаимодействия пользователя с базой знаний и служит для ввода, вывода и визуализации информации.The knowledge base on image analysis and recognition (see Fig. 1) contains a central unit 10 for controlling the processing and data transfer processes, at least one user interface 12, an external communication interface 14, and a complex subsystem 20 for organized storage of knowledge. The user interface 12 is intended for user interaction with the knowledge base and is used for input, output and visualization of information.
Подсистема 20 включает в себя подключенные к общей информационно-управляющей магистрали 22: модуль 24 задач, модуль 26 поддержки процессов планирования, управления и принятия решений, модуль 28 алгоритмов, модуль 30 промежуточных результатов решения задач, модуль 32 эталонных и тестовых изображений, модуль 34 тезауруса, глоссария, библиографии и справочника, и модуль 36 извлечения, структурирования и записи новых знаний. К общей информационно-управляющей магистрали 22 подключен первый вход-выход центральной подсистемы 10 управления, второй вход-выход 52 которой связан с пользовательским интерфейсом 12. Третий вход-выход 54 связан с внутренним входом-выходом интерфейса 14 внешней связи, внешний вход-выход 56 которого является входом-выходом базы знаний по анализу и распознаванию изображений. Этот вход-выход 56 интерфейса 14 предназначен для подключения к системам анализа и обработки изображений и осуществляет обмен данными, в частности может быть подключен к системе "Черный квадрат" по заявке RU 2003107587, 20.03.2003 или патенту RU 30206 U1, 20.03.2003.Subsystem 20 includes connected to a common information and control highway 22: task module 24, module 26 for supporting planning, management and decision-making processes, module 28 of algorithms, module 30 of intermediate results of problem solving, module 32 of reference and test images, module 34 of the thesaurus , a glossary, a bibliography and a reference, and a module 36 for extracting, structuring, and recording new knowledge. The first input-output of the central control subsystem 10 is connected to the common information and
Центральный блок 10 управления процессами обработки и передачи данных содержит взаимосвязанные поисковую 102 и управляющую 104 подсистемы.The central unit 10 for controlling the processes of data processing and transmission contains interconnected search 102 and control 104 subsystems.
Модуль 24 задач, модуль 26 поддержки процессов планирования, управления и принятия решений, модуль 28 алгоритмов, модуль 30 промежуточных результатов решения задач, модуль 32 эталонных и тестовых изображений и модуль 34 тезауруса, глоссария, библиографии и справочника выполнены в виде автономных реляционных баз 240-340 данных (см. фиг.2). Каждая из автономных реляционных баз 200 данных модулей 24-32 содержит один или более блоков 202 памяти, ориентированных на хранение электронных таблиц, специализированный контроллер 203 и блок 204 связи с общей информационно-управляющей магистралью 22. Первый вход-выход 205 блока 204 связи является входом-выходом модуля, а второй вход-выход 206 соединен с общим входом-выходом контроллера 203. Информационные и управляющие входы-выходы 207 контроллера 203 связаны соответственно с информационными управляющими входами-выходами 207 блоком 202 памяти.Module 24 tasks, module 26 supporting planning, management and decision-making processes, module 28 algorithms, module 30 of intermediate results of problem solving, module 32 of reference and test images and module 34 of the thesaurus, glossary, bibliography and reference book are made in the form of autonomous relational databases 240- 340 data (see FIG. 2). Each of the autonomous relational databases 200 of the modules 24-32 contains one or
Модуль 36 извлечения, структурирования и записи новых знаний также выполнен в виде автономной реляционной базы 360, структура которой подобна вышеописанной, показана на фиг.3. Она содержит блок 362 памяти, ориентированный на хранение электронных таблиц, специализированный контроллер 363, блок 364 связи с общей информационно-управляющей магистралью 22, блок 368 проверки непротиворечивости вводимых знаний. Первый вход-выход 365 блока 364 связи является входом-выходом модуля 360, а второй вход-выход 366 соединен с общим входом-выходом контроллера 363. Информационные и управляющие входы-выходы 367, 369 контроллера 363 связаны соответственно с информационными и управляющими входами-выходами блоков 362 и 368.The module 36 for extracting, structuring and recording new knowledge is also made in the form of an autonomous relational base 360, the structure of which is similar to the above, is shown in Fig.3. It contains a
Модуль 24 задач содержит знания о классификациях задач, знания о типовых и решенных задачах в виде структурированных описаний, блоки задач.The module 24 tasks contains knowledge about classifications of tasks, knowledge of typical and solved problems in the form of structured descriptions, blocks of tasks.
Модуль 26 поддержки процессов планирования, управления и принятия решений содержит общие сведения о решении задач с помощью программного обеспечения ЭВМ, общие знания по обработке, анализу и распознаванию изображений, знания о прикладной области, а также решающие правила различных типов, соответствующих выбранной модели решения задач.The module 26 for supporting planning, management and decision-making processes contains general information about solving problems using computer software, general knowledge on processing, analysis and recognition of images, knowledge about the application area, as well as decision rules of various types corresponding to the selected model for solving problems.
Модуль 28 алгоритмов содержит знания об используемой библиотеке обработки изображений: сведения об алгоритмах, их входных параметрах, результатах и способах оценки качества работы алгоритмов.Algorithm module 28 contains knowledge about the image processing library used: information about the algorithms, their input parameters, results and methods for evaluating the quality of the algorithms.
Модуль 30 промежуточных результатов решения задач служит для сохранения и последующего использования результатов работы алгоритмов обработки и распознавания.Module 30 of the intermediate results of problem solving serves to save and subsequently use the results of processing and recognition algorithms.
Модуль 32 эталонных и тестовых изображений используется для тестирования алгоритмов и обучения.Module 32 reference and test images is used for testing algorithms and training.
Модуль 34 содержит тезаурус, глоссарий, библиографию и справочник. Тезаурус и глоссарий используются при составлении описаний задач, а также являются семантической базой используемой модели решения задач. Данный модуль 34 также выполняет функции справочника пользователя "Help".Module 34 contains a thesaurus, glossary, bibliography, and reference. The thesaurus and the glossary are used in the preparation of task descriptions, and are also the semantic base of the model used to solve problems. This module 34 also functions as a user guide "Help".
Модуль 36 извлечения, структурирования и записи новых знаний предназначен для введения новых описаний задач в базу знаний, автоматизированного выявления зависимостей, характеристик и формализованного выражения свойств изображений, а также проверку непротиворечивости вводимых знаний с уже имеющимися в базе.The module 36 for extracting, structuring, and recording new knowledge is intended for introducing new task descriptions into the knowledge base, automated detection of dependencies, characteristics, and formalized expression of image properties, as well as checking the consistency of input knowledge with existing in the database.
Каждый из модулей состоит из одной или группы таблиц базы знаний, управляющей подсистемы (контроллера таблиц) и может быть связан (если это функционально необходимо) с соответствующим пользовательским интерфейсом. Контроллер таблиц осуществляет обработку и обмен данными между таблицами базы знаний и управляющей подсистемой.Each of the modules consists of one or a group of knowledge base tables, a control subsystem (table controller) and can be connected (if it is functionally necessary) with the corresponding user interface. The table controller processes and exchanges data between the knowledge base tables and the control subsystem.
Принцип функционирования патентуемой базы знаний представлен алгоритмами процедур, имеющих место при решении задачи, поставленной перед пользователем. К этим процедурам относятся: поиск решения типовой или аналогичной задачи среди имеющихся в базе знаний, а также планирование решения. Обе процедуры подробно рассматриваются ниже.The principle of functioning of the patented knowledge base is presented by the algorithms of the procedures that take place when solving the problem posed to the user. These procedures include: finding a solution to a typical or similar problem among the knowledge in the database, as well as planning a solution. Both procedures are discussed in detail below.
А) Поиск решения типовой или аналогичной задачи по анализу, обработке или распознаванию изображений среди имеющихся в базе знаний. Алгоритм приведен на фиг.4.A) Search for a solution to a typical or similar problem in the analysis, processing or recognition of images among the available knowledge base. The algorithm is shown in figure 4.
Этап 1. Пользователь вводит исходные данные. Система производит анализ предъявленного изображения (изображений) и извлечение полезной информации об этом изображении, которая будет использована при постановке задачи и поиске решения (формат изображения, количество градаций яркости, пр. признаки).
Этап 2. Пользователь через пользовательский интерфейс 12 создает объект, соответствующий постановке конкретной задачи, для чего вводится максимально возможное количество данных о задаче. Учитывается информация, полученная на 1-м этапе.Stage 2. The user through the user interface 12 creates an object corresponding to the formulation of a specific task, for which the maximum possible amount of data about the task is entered. The information received at the 1st stage is taken into account.
Этап 3. На основе созданного объекта формируется сложный запрос. Условия запроса учитывают свойства элементов объекта постановки задачи. Для свойств элементов, отражающих смысловое содержание, из модуля 34 тезауруса предварительно производится выборка дескрипторов, которые включаются в условную часть запроса.Stage 3. Based on the created object, a complex request is generated. The query conditions take into account the properties of the elements of the problem statement object. For the properties of elements that reflect semantic content, descriptors are preliminarily selected from the thesaurus module 34, which are included in the conditional part of the request.
Этап 4. Результатом запроса является множество описаний задач (решений), содержащих алгоритмы (операторы) решения. Описания ранжируются в соответствии с выбранной мерой близости.Stage 4. The query result is a set of descriptions of tasks (solutions) containing algorithms (operators) of the solution. Descriptions are ranked according to the selected proximity measure.
Этап 5. Выбирается алгоритм, соответствующий первому из ранжированных описаний.Step 5. The algorithm corresponding to the first of the ranked descriptions is selected.
Этап 6. Алгоритм запускается на исполнение.Step 6. The algorithm is launched for execution.
Этап 7. Анализируется полученная выборка описаний задач. Если выборка не удовлетворяет пользователя (множество пустое или описаний слишком много), то в постановку задачи вносятся изменения, и делается новый запрос.Step 7. The resulting sample of task descriptions is analyzed. If the selection does not satisfy the user (the set is empty or there are too many descriptions), then changes are made to the problem statement and a new request is made.
Б) Процедура планирования решения задачи включает этапы, показанные на фиг.5:B) the Planning procedure for solving the problem includes the steps shown in figure 5:
Этап 1. В поисковой подсистеме по найденному описанию типовой задачи (см. процедуру по п.А) производится формирование запроса для поиска описаний (типовых) подзадач.
Этап 2. Управляющая подсистема через контроллеры таблиц описаний задач и алгоритмов посылает запрос.Stage 2. The control subsystem sends the request through the controllers of the task description tables and algorithms.
Этап 3. Для каждой из типовых подзадач формируется запрос для поиска описаний составляющих подзадач и других компонентов.Stage 3. For each of the typical subtasks, a request is generated to search for descriptions of the constituent subtasks and other components.
Этап 4. По результатам серии запросов формируется схема (план) решения задачи и выводится на пользовательский интерфейс 12 (на экран монитора в окно редактора). Управляющая подсистема 104 осуществляет контроль алгоритмов, включенных в схему решения, на совместимость по типам входных и выходных данных, а также назначает начальные значения параметров алгоритмов.Stage 4. Based on the results of a series of queries, a scheme (plan) for solving the problem is formed and displayed on the user interface 12 (on the monitor screen in the editor window). The control subsystem 104 monitors the algorithms included in the decision scheme for compatibility by input and output data types, and also assigns the initial values of the algorithm parameters.
Этап 5. Пользователь корректирует сформированную схему решения и параметры алгоритмов. В результате формируется программа, составленная на макроязыке системы обработки и анализа изображений.Stage 5. The user adjusts the generated decision scheme and the parameters of the algorithms. As a result, a program is compiled compiled in macro language of the image processing and analysis system.
Этап 6. Пользователь компилирует и запускает программу на исполнение.Step 6. The user compiles and runs the program for execution.
Этап 7. Пользователь оценивает результаты решения задачи, при необходимости корректирует схему решения и параметры алгоритмов. По результатам оценки пользователь осуществляет введение новых описаний задач в базу знаний и проверку непротиворечивости вводимых знаний уже имеющимся в базе.Step 7. The user evaluates the results of solving the problem, if necessary, adjusts the solution scheme and parameters of the algorithms. Based on the results of the assessment, the user introduces new task descriptions into the knowledge base and checks the consistency of the entered knowledge already in the database.
Система включает, в частности, следующие базовые средства для обработки изображений: аффинные преобразования, преобразования Фурье, Габора, вейвлет-преобразования; матричную фильтрацию, выделение яркостных переходов и контуров, методы сегментации, морфологические операции, методы анализа текстур, алгоритмы факторного анализа, алгоритмы распознавания и принятия решений.The system includes, in particular, the following basic tools for image processing: affine transforms, Fourier transforms, Gabor transforms, wavelet transforms; matrix filtering, separation of brightness transitions and contours, segmentation methods, morphological operations, texture analysis methods, factor analysis algorithms, recognition and decision-making algorithms.
По технологии plug-in в систему в процессе эксплуатации могут быть добавлены новые алгоритмы обработки, преобразования, анализа и распознавания изображений, средства визуализации, расширенные средства поиска в базе данных. Это осуществляется без изменения основы системы (управляющих связей и архитектуры) с сохранением уже накопленных знаний в базах данных (их количество также может быть увеличено). Так, например, удачная последовательность алгоритмов анализа изображений может быть добавлена как новый алгоритм с описанием, указывающим рекомендуемые области компетенции.Using plug-in technology, new algorithms for processing, converting, analyzing and recognizing images, visualization tools, and advanced database search tools can be added to the system during operation. This is done without changing the basis of the system (control connections and architecture) while preserving the already accumulated knowledge in the databases (their number can also be increased). For example, a successful sequence of image analysis algorithms can be added as a new algorithm with a description indicating recommended areas of competence.
Патентуемый объект реализован в открытой системе “Черный квадрат. Версия 1.1”, предназначенной для автоматизации научных исследований в области обработки, анализа и распознавания изображений на базе ПЭВМ.The patented object is implemented in the open system “Black Square. Version 1.1 ”, designed to automate scientific research in the field of processing, analysis and recognition of images based on PC.
Claims (5)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2003133170/09A RU2256224C1 (en) | 2003-11-14 | 2003-11-14 | Database for processing, analyzing and recognizing images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2003133170/09A RU2256224C1 (en) | 2003-11-14 | 2003-11-14 | Database for processing, analyzing and recognizing images |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2003133170A RU2003133170A (en) | 2005-06-10 |
| RU2256224C1 true RU2256224C1 (en) | 2005-07-10 |
Family
ID=35833606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2003133170/09A RU2256224C1 (en) | 2003-11-14 | 2003-11-14 | Database for processing, analyzing and recognizing images |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2256224C1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8374914B2 (en) | 2008-08-06 | 2013-02-12 | Obschestvo S Ogranichennoi Otvetstvennostiu “Kuznetch” | Advertising using image comparison |
| RU2603492C2 (en) * | 2013-12-20 | 2016-11-27 | Общество с ограниченной ответственностью "Аби Девелопмент" | Creation of flexible structural descriptions for documents with repeating irregular structures |
| RU2612326C2 (en) * | 2015-02-24 | 2017-03-07 | Частное образовательное учреждение высшего образования "ЮЖНЫЙ УНИВЕРСИТЕТ"(ИУБиП)" | Method of forming digital plan-scheme of agricultural facilities and system for realising said method |
| WO2021202491A1 (en) * | 2019-04-05 | 2021-10-07 | Translational Imaging Innovations, Inc. | Methods, systems and computer program products for retrospective data mining |
| US11955227B2 (en) | 2018-09-05 | 2024-04-09 | Translational Imaging Innovations, Inc. | Methods, systems and computer program products for retrospective data mining |
-
2003
- 2003-11-14 RU RU2003133170/09A patent/RU2256224C1/en not_active IP Right Cessation
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8374914B2 (en) | 2008-08-06 | 2013-02-12 | Obschestvo S Ogranichennoi Otvetstvennostiu “Kuznetch” | Advertising using image comparison |
| US8718383B2 (en) | 2008-08-06 | 2014-05-06 | Obschestvo s ogranischennoi otvetstvennostiu “KUZNETCH” | Image and website filter using image comparison |
| US8762383B2 (en) | 2008-08-06 | 2014-06-24 | Obschestvo s organichennoi otvetstvennostiu “KUZNETCH” | Search engine and method for image searching |
| RU2603492C2 (en) * | 2013-12-20 | 2016-11-27 | Общество с ограниченной ответственностью "Аби Девелопмент" | Creation of flexible structural descriptions for documents with repeating irregular structures |
| RU2612326C2 (en) * | 2015-02-24 | 2017-03-07 | Частное образовательное учреждение высшего образования "ЮЖНЫЙ УНИВЕРСИТЕТ"(ИУБиП)" | Method of forming digital plan-scheme of agricultural facilities and system for realising said method |
| US11955227B2 (en) | 2018-09-05 | 2024-04-09 | Translational Imaging Innovations, Inc. | Methods, systems and computer program products for retrospective data mining |
| WO2021202491A1 (en) * | 2019-04-05 | 2021-10-07 | Translational Imaging Innovations, Inc. | Methods, systems and computer program products for retrospective data mining |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2003133170A (en) | 2005-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bangsow | Tecnomatix plant simulation | |
| Viloria et al. | Integration of data mining techniques to PostgreSQL database manager system | |
| Bravoco et al. | Requirement definition architecture—an overview | |
| US7266534B2 (en) | System and method and product of manufacture for automated test generation via constraint satisfaction with duplicated sub-problems | |
| McKeown Jr et al. | Automating knowledge acquisition for aerial image interpretation | |
| Froeschl | Metadata management in statistical information processing: a unified framework for metadata-based processing of statistical data aggregates | |
| CN115080021A (en) | Zero code modeling method and system based on automatic machine learning | |
| CN113723513A (en) | Multi-label image classification method and device and related equipment | |
| CN116863252A (en) | Method, device, equipment and storage medium for detecting inflammable substances in live fire operation site | |
| US11615321B2 (en) | Techniques for modifying the operation of neural networks | |
| CN116361104A (en) | Big data-based application fault prediction method, device, equipment and storage medium | |
| RU2256224C1 (en) | Database for processing, analyzing and recognizing images | |
| Sahraoui et al. | A concept formation based approach to object identification in procedural code | |
| Pinzger et al. | Architecture recovery for product families | |
| Lee et al. | A form driven object-oriented reverse engineering methodology | |
| CN111260969B (en) | Data mining course teaching practice system and teaching practice method based on system | |
| RU36907U1 (en) | AUTOMATED KNOWLEDGE BASE SYSTEM FOR PROCESSING, ANALYSIS AND RECOGNITION OF IMAGES | |
| US20050210382A1 (en) | System and method for performing functional analyses making use of a plurality of inputs | |
| Becker et al. | Hanfor: Semantic Requirements Review at Scale. | |
| Sobol et al. | Improving OPM conceptual models by incorporating design structure matrix | |
| Seitveit | An abstraction-based rule approach to large-scale information systems development | |
| Chen et al. | Employing a parametric model for analytic provenance | |
| Kohout et al. | The use of fuzzy information retrieval in knowledge-based management of patients' clinical profiles | |
| Kumar et al. | The Current State of Software Engineering Employing Methods Derived from Artificial Intelligence and Outstanding Challenges | |
| Stepankova et al. | Preprocessing for data mining and decision support |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20131115 |