автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Разработка структур и исследование функциональных свойств нейроподобных сетей с локальными связями для решения задач анализа изображений

Министерство науки, рысшей школы и технической политики Российской Федерации

Таганрогский радиотехнический институт им. В.Д. Калмыкова

На правах рукописи

БОРОВКОВ Игорь Константинооич

УДК 631.3.01.<02)

"РАЗРАБОТКА СТРУКТУР И ИССЛЕДОВАНИЕ ФУНКЦИОНАЛЬНЫХ СВОЙСТВ НЕЕРСПОДОБНЫХ СЕТЕЙ С ЛОКАЛЬНЫМИ СВЯЗЯМИ ДЛЯ РЕ32ЕНИЯ ЗАДАЧ АНАЛИЗА ИЗОБРАЖЕНИЙ"

Специальность: 05.13.13. - Вычислительные машины, комплексы,

Системы и сети

Автореферат пиЬсертаиии на соискание ученой степени кандидата технических наук

Таганрог - 1972

Работа выполнена в НИИ многопроцессорных вычислительных систем при Таганрогском Радиотехническом инстит-уте им. Б.Д. Калмыкова.

Научный руководитель! член-корреспондент РАН, доктор технических наук., профессор Каляев А.В.

Официальные/оппоненты: член-корреспоняент РАЕН, доктор технически* наук, профессор Мелихов А.Н. кандидат технических наук Пустовой Н.П.

Ведущее предприятие ИПУ, г. Москва

Защита диссертации состоится JЧ:a1992 г.

¿//Со . о

б часов на заседании специализированного совета Я 063.13.01 по

защитам диссертаций на соискание ученой степени доктора технических

наук при Таганрогской радиотехническом институте им. В.Д. Калмыкова

(347923, Таганрог, Чехова, 2)

С диссертацией можно ознакомиться в библиотеке института.

Автореферат разослан "

Ученый секретарь специализированного ссвета доктор технических наук,

пко»ессор Л/Л^-йс^"^ Г. В. Горелова

^—--'

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одним ив dchobh^ ; hp-ioodb самостоятельного получения знаний о внешней среде связан г обработкой и анализом видеоизображений и последующими процедурами Формализации полученной информации на абстрактных уровнях. Ял я реализации • Формальных построений возникает неоьхопимость классификации или -распознавания образов, представленным

изображениями. В практике искусственного интеллекта последняя задача сопровождается условием инвариантного распознавания объектов относительно различного рода аФФинных преобразований. Способы решения подобных задач основаны на процедурах перехода от двумерного пространства представления образов к пространству его признаков. При этом необходимо решать самостоятельную проблему - выделение набора признаков с помощью алгоритмов, обеспечивающих инвариантный анализ изображения при любых перемещениях объектов в зоне растра.

Нетривиальность подобной задачи известна и подтверждается тс;м, чтэ даже в области инвариантного" распознавания саумерных обрааоа fisie имеется ряд нерешенных проблем, причем, в обзорных материалах делается акцент на проблеме выделения локальных характеристик объектов представленных изображениями.^ Повышенное внимание ь разработке новых способов анализа изображений объясняется стремлением увеличить эффективность методов классификации перекрывающихся и частично видимых объектов. Следует отметить, что при практической решении подобного круга задач часто возникает необходимость в обработке изображений больших размерностей (до

I

2048*2048 пикселов в растре) в реальном времени, что дополнительно сужает границы применимости целого комплекса известных методов.

Круг проблем,'связанный с обработкой видеоинформации является перспективным направлением для применения нейроподсбных (НП) систем. Современное состояние практических разработок показызает, что на базе искусственных нейросетей при сравнительно небольших аппаратурных затратах можно эффективно решать отдельные подзадачи распознавания такие. как быстрая классификация образов и ассоциативный поиск с возможностью самообучения. Тем не менее, временные и аппаратурные затраты на проведение комплексной обработки визуальной информации находятся в существенной зависимости от эффективности процедур анализа изображений объектов. Основные

трудности в решении этих задач на базе НП систем также . связаны с проблематикой выделения признаков и' Формирования пространства сглалаюшего инвариантом относительно любых перемевений объекта Анализа в зоне растра. Важно отметить, что основное направление еазвитип технологии нейрокомпьютеров преследует цель создания параллельных вычислительных структур с больгалм количеством шльносвязанных нейропроцессоров. Поэтому, вполне очевидно;: что проьлема разработки параллельных алгоритмов нейровычислечий становится все ; Более насущной. В связи с этим» разработка и исследование методов, структур и алгоритмов Функционирования НП сетей для решения задач параллельного анализа изображений и выделения признаков является актуальной.

Диссертация классифицируется ' £ак теоретическое обобщение и решение научной задачи по разработке и исследовании моделей, алгоритмов и структур нейроподобных сетей с локальными связями между цифровыми нп элементами для решения вадач анализа изображений.

Целью работы является разработка м исследование

методов. структур и алгоритмов Функционирования цифровых . НП сетей

Ч

для решения задач параллельного аналиаа видеоинформации и выделения признаков объектов представленных изображениями.

Лля достижения поставленной цели в диссертации решаются следующие основные задачи' ,

- разработка метода, анализа изображении на базе нейроподобной <НП> сети:

- разработка структуры и определение основных . параметров ииогоаий НП сети, ориентированной на параллельное решение задач обработки и анализа изображений; ■ j

- исследование свойств НП сети и разработка методов повышения быстродействия решения задач анализа изображений.

Предметом исследования является нейро— подобные структуры и сети с локально связанными цифровыми НЛ элементами, ориентированные на параллельное решение задач обработки

а - ■ ■

и анализа изображений.

Метопы исследования базируется на Чтфцмли динамических систем; теории распознавания образов, теории множеств^ теории цифровых автоматов, на теоретических и экспериментальных исследованиях нейронных и нейроподобных структур.

Научная новизна. В диссертационной работе сделаны теоретические обобщения и решена научная задача ■ по разработке и

исследовании модели, алгоритмов и структур нейролодобных (НП) сетей с локальными связями" между элементами для решения задач анализа изображений.,

В процессе исследований и теоретических обобщений получены следующие новые научные результаты:

- разработан метод определения основных параметров НП сети с локальными связями, которая позволяет реализовать полностью параллельный способ вычислений при решении задач выделения локальных экстремумов поверхности;*

- разработан метод синтеза структуры многослойной НП сети с локальными связями для решения задач анализа изображений, позволяющий обеспечить относительно низкие аппаратурные затраты на увеличение чувствительности НП сети в сравнении с известными методами ;

- предложен . метод определения основных характеристик шума яяя обеспечения устойчивости работы параллельной НП сети и увеличения быстродействия решения задач анализа изображений ;

- разработаны алгоритм Функционирования и синтезирована структура выходного блока для цифрового НП процессора, позволяющие в отличии от известных типов НП элементов проводить^ перестройку выходного блока на реализации широкого спектра нелинейных выходных функций;

- разработан алгоритм - сегментации бинарных изображений, позволяющий реализовать полностью параллельный процесс выделения гомогенных Областей.

Практической ценностью диссертационной работы является разработка методов построения нейроподобных структур для параллельных интеллектуальных вычислительных систем,

ориентированных на предварительную обработку и анализ изображений. Основные результаты" исследований, проводимых лично автором,' получены при выполнении научно-исследовательских работ в НИИ

многопроцессорных вычислительных систем при Таганрогском

радиотехническом институте в соответсвии с Приказом ГК СССР по народному образованию №4В2 от 10.07.10 "Принципы создания универсального сверхпроизводительного супермакронейрокомпьютера с программируемой самоорганизующейся архитектурой и элементами искусственного интеллекта " , Решением ГВПК КМ СССР №5В от ГЗ.04.91 | "Теоретические и экспериментальные возможности создания комплекса адаптивных аппаратно-программных средств обработки радиолокационных

сигналов и информации на основе использования вычислительных систем с программой» уемой архитектурой и нероподоеных систем", "Исследование и разработка теоретических основ обеспечения систем с элементами искусственного интеллекта" и в других НИР. Размотанные автором метопы и параллельные алгоритмы внедрены и использованы на предприятиях:

- метоп реализации', иерархической структуры- многослойной нейррподобной сети с локально связанными элементами в каждом слое, позволяющий сократить аппаратурные затраты на реализацию системы анализа изображений; алгоритмы анализа изображений объекта на базе

I ■ '

метода выделения топологических меоанородностей), позволяющие расширить функциональные возможности известных способов выделение признаков и метод обеспечивающий *устойчивость их . раСоты (в/ч ГТЧ4);

- метоп синтеза многослойных цифровых нейрогюдобных структур опя выселения признаков объектов! алгоритмы инвариантного выделения признаков объектов• представленных изображениями; структура выходного блока реализации нелц^чейных Функций в цифровом нейропроцессоре (в/ч 4Г261);

- алгоритмы анализа изображений <в/ч 736ХО);

- модель сети с локально связанными цифровыми динамическими нейропояобными элементами для решения задач выделения признаков объектов представленных изображениями (НИИ МПС, г. Таганрог)»

Апробация работы. Основные результаты работы докладывались и обе ухдались на Республиканском семинаре по однородным вычислительным сревам и систолическим структурам (львогз. ; Международной конференции по анализу изображений и

распознаванию образов (Львов, 1990), Всесоюзном семинаре

"Распределенная обработка информации- IV" (Новосибирск, 1991),5 научной сессии АН СССР (Ростов-на-Лону, 1990).

Публикации. Результаты, полученные в диссертационной работе, нашли отражение 7 печатных работах, среди которых одна

□публикована за рубежом и одна работа - в центральной печати.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 172 страницах, содержит 43 рисунка, 130 наименований библиографии и 9Р страниц приложения, всего страниц.

На защиту выносятся следующие основные научные положения:

— метоп синтеза структуры и определения параметров многослойной НП сети с локальными связями для решения задач анализа изображений;

— метод определения основных параметров в.ума для обеспечения устойчивости и повышения быстродействия работы НП сети с локальными связями«

— параллельный алгоритм сегментации изображений;

— алгоритм работы и структура программируемого выходного блока цифрового НП процессора.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы иель и задачи исследований.

Р первой_главе проводится анализ известных методов,

ориентированных на решение задач извлечения информации иэ визуальных изображений на основе вычислительных систем. Анализ методов и алгоритмов проводился с точки зрения возможности их параллельной реализации. Основной критерий анализа вычислительных систем — возможность 1-еаЕНИя полного цикла задач обработки изображений в реальном времени. В результате анализа определены обшие требования к вычислительным системам обработки видеоинформации. причем, делается акиент на необходимость разработки таких архитектурных решений, где постигается оптимальное быстродействие в решении совокупности подзадач обработки, анализа и распознавания объектов представленных изограхениями. Отмечается тенденция перехода к специализированным параллельным ЭВМ в которых достигается определенный оптимум между количеством процессорных элементов и их вычислительной мощность», объемами общей и локальной памяти. а также в разделении поля процессоров на подструктуры с различным типом параллельной обработки данных (например - пирамидальные машины). Подробно анализируется современное состояние практических разработок нейроподобных систем с помощью которых эффективно решаются ряд подзадач обработки изображения. Отмечается, что по габаритным характеристикам, стоимости и быстродействию решения задач классификации и ассоциативного поиска НП системы выгодно отличаются от параллельных вычислительных машин. Рассматриваются ряд особенностей, позволяющие считать НП системы перспективными средствами обработки изображений.

Отдельно выделяются алгоритмические качества свойственные нейросетевону подходу в целом. основные 1/.з которых заключаются в

о

возмохности самообучения и полного распараллеливания процесса вычислений. Показано, чтг. Большинство моделей нейронов в качестве основной операции гсп1ьэу»т сумму парных произведений, что позволяет реализовать параллельные НП системы , на Базе специализированных процессоров <НП процессоров). Такая особенность , приводит к относительному сокращению стоимости и габаритов ч сравнении с известными типами универсальных параллельных ЭВМ. Важно отметать. что. наличие указанной базовой операции позволяет дополнительно задействовать широкий круг методов и алгоритмов пространственной области для решения -задач коррекции, и ' анализа изображений.

Однако, известные методы и алгоритмы Формирования инвариантного пространства признаков включают большое количество последовательных процедур, препятствующих эффективному использованию параллелизма на физическом урозне. В связи с этим анализируются данное нейрофизиологии зрения, что позволяет выделить основные закономерности структурно—Функционального построения параллельных 'механизмов первичной обработки вйЬеоинФормации в биологических системах. Вместе с. тем отмечается невозможность окончательных выводов о принципах Формирования пространства признаков в высших корковых структурах мозга. Поэтому обращается внимание на результаты психологии, где пиксэано, что в экспериментах по "классификации объектов хивыми организмами определяющее значение принадлежит нелинейнос.тям в контуре объектов.

Ро второй главе анализируются проблемы построения пространства признаков, обладающего инвариантными свойствами относительно аффинных преобразований двумерных объектов представленных на изображении, и отмечается приоритетное значение нелинейностей в контуре перепадов яркости для процедур идентификации образов.

Используя в качестве признаков степень кривизны различных участков контура, мохно существенно сократить объем исходных данных при сохранении достаточно полной информации о Форме объектов. Ставится задача разработки параллельного алгоритма выделения степени кривизны перепасов яркости, что позволит о рамках одной процедуры получить искомый результат, который достигается через несколько этапов: применения известных последовательно-параллельных методов.

Показано, что задачу селекции признаков кривизны.можна свести к задаче выделения локальных экстремумов; поверхности X* полученной в результате свертки изображения с предлагаьмой модификацией

ч

пространственного оператора Лапласа (П„). При этом отмечается, что амщитуда экстремумов зависит от ctpi ени кривизны контура о некоторой локальной зона r_. Р этом случае задачу идентификации прччнаков нсгжно разбить на две ползаяач!.'.:

— выв»т»н!ле пес;: возможных экстремальных точек поверхности X"t

— селекимя выделенных локальных экстремумов по амплитуде. Предлагается параллельный метод решения первой задачи на базе

цифровой нейРопояобной <НП) сети с локальными связями между элементами. Уравнение динамики отдельного НП элемента

срабатывающего слоя в разностной Форме имеет следующий вид:

v Р'"> (I.J) ~ ' -

--= r'/xa.j) * e,íi.j)3 +■ .

v t

p«p-i> = pic-i) d,j) + ?P'">(I.J> , Y'"»(I.J) = FciCP,rt> (I, J) + 0«"MI,Í}3 ,

<1)

в п — номер такта дискретного времени VI ;

Р — внутренняя переменная НП элемента ( - значение

"мембранного потенциала);

тР - приращение мембранного потенциала;

Яг и Пг - значение пороговых величин;

У - нелинейная выходная функция;

Р<* - оператор нелинейной Функции следующего вида

Со

Y = ГЯГ53 = < А

S

если SíO, если SJ1, если 0<S<1,

- оператор нелинейной Функции :

Y = FC3] =

если SÍO, если Sil, если 0<S<1.

сг^

(3)

Параметры X и Yo уравнении (1) садакт Функцию связи НП элементов обрабатывающего и рецепторного полей (размерность- которых соответствует размерности растра изображения — WM) в некоторой локальной зоне г:

Х(Г

,.7) = ^ ^ X(I+p. J+m) -^„{Ík+p, j»+ra) = <1,3> фВ„, Р!,т=-Гн

<4>

k.l=-r„

= У<I.J) ® Bv. (5)

rje J« - значение синаптических весов локальных взаимодей— ^ ствий НГ1 элементов поля Y с элементами рецепторного

поля X;

J'v — значение синаптических весов локальных взаимодействий межд у НП элементами поля У < jf у <0) .

X — выходные значения элементов рецепторного поля X •

У - выходное * значение НП элементов обрабатывающего поля Y;

/-ч г

(£) — символическое обозначение операции свертки ;

.X — подматрица освещенности с координатами центрального элемента I.J< - подматрица связности НП элементов обрабатывающего слоя.

Уравнения (4).(5> показывают, что синаптические веса локальных взаимодействий НП элементов поля Y задаются в виде квадратных матриц К» и Р>. размерности которых N„ и N^. Причем, индексы i и j обозначают центральный элемент матриц G„ и Cv, численное значение которых равно соответствующему радиусу локального взаимодействия (например i„ = = г„). Работу такой сети в общем виде можно

описать следующим образом. На реиепторный слой X подается дискретное изображение обьекта, после чего каждый НП элемент отрабатывает оинайику. в соответствии с системой уравнений (1). Задача считается решенной. если НП сеть достигает равновесного состояния, что определяется в результате выполнения следующего условия:

mod {Y'"M!,J> - Y'"-»MI,J)> I.J ' (6)

где I* - оценка сходимости.

Я общем случае для : выходных значений элементов справедлива оценка - Y(I,.7) £-СО, ....А). Однако, после выполнения условия <6), в качестве решения Фиксируются координаты НП элементов выходные значения которых удовлетворяют следующему требовании» s

Y(I.J) = lira YU,J,vt-n>---> A (7)

П -> tlk

где - количество тактов необходимое для достижения

динамического равновесия в сети.

Следует отметить. что динамика раеоты НП сети описывается системой нелинейных разностных интегро—дифференциальных уравнений(1) размерностью М"И, к которой практически невозможно применить классические методы анализа. Поэтому. задача определения основных параметров сети решается методами качественных оценок путем введения ряда допущений, постепенного наращивания сложности НП элементов и размерности НП сети с последующей проверкой полученных результатов на имитационных моделях.

Детально исследуется вариант одномерной НП сети с локальными связями для параллельного решения задачи выделения максимумов функций одной переменной. В целях сокращения времени решения задач подвергается измен-нию Тип выходной нелинейной Функции (2) НП

элементов <прв &"том А>>1). К усочно—линейный характер выходной

1

функичи позволяет рассматривать общую задачу анализа динамического процесса о виде последовательности подзадач, где конечные результаты решения предыдущей задачи являются начальными условиями для последующей. Учитывая конечную размерность Фазового пространства цифровой НП сети, в качестве обрабатывающих узлов предлагается использовать динамические НП элементы. Для этого случая разработывается метод определения основных параметров динамических НП элементов двумерной сети.

Принимая .во внимание тормозной характер взаимодействия НП элементов, отмечается. чти модель исследуемой, сети представляет типичный пример диссипативной системы, Фазовый объем которой, в процессе эволюции в дискретном времени стягивается к некоторому подмножеству Фазового пространства, что подтверждается

многочисленными результатами моделирования. Поэтому в диссертации уделяется внимание вопросу асимптотической устойчивости стационарных состояний сети, который имеет принципиальное значение для сходимости итерационного процесса по оценке <6), Основное предположение, представляющее исходный пункт синтеза многомерной нелинейной модели НП сети с локальными связями сводится к допущению о существовании единственного экстремума а пределах ограниченной локальной зоны г.

Однако, разнообразие двумерных структур данных, поступающих на вход ИП сети не всегда приводит к справедливости такого предположения, что доказывается на основании данных имитационного моделирования. Полученные ' результаты позволяют провести качественный анализ динамики НП сети и выделить в обобщенном Фззовом пространстве системы два типа притягивающих структур, одна из которых

I 2

соответствует асимптотическому решению, а яругу» можно

клас"л»мциРОвать как "критическую". Эволюция сети в "критические"

»

зон приводит к непредсказуемой длительности процесса сходимости. На з ,>*ании исследования свойств таких режимов мохно сделать вывод о ичине возникновения неустойчивой работы, которая объясняется ■метрией близлежащих локальных полей радиуса г в общей структуре ьанных, поступавших на вхоо сети. Многочисленные результаты моделирования при любых начальных условиях показывают, что в процессе динамики НП сети наблюдаются различные временные и пространственные структуры. сохраняющие устойчивость лишь в некотором интервале дискретных отсчетов времени. Наибольшей устойчивостью отличаются однотипные пространственно—временные образования состоящие из отдельных пар конкурирующих НП элементов, причем, расстояния между такими структурами, как правило, превышают радиус локального взаимодействия элементов, что обеспечивает их стабильность на достаточна продолжительном отрезке дискретного времени. Моделирование системы из двух НП элементов позволяет полностью имитировать подобный эФФект возникновения

квазипериодических колебаний и проводить его исследование существенно снизив при этом размерность исходной задачи.

В, результате обсуждения способов повышения быстродействия

о

решения практических задач предлагается метод внесения шума в внутренние переменные НП элементов сети. Для определения уровня шума в третьей главе исследуются свойства динамической системы, состоящей из двух, взаимосвязанных НП элементов. Показано, что для случая бинарных изображений, критический режим автоколебаний возникает только при равенстве значений экстремумов в двух соседних элементах НП сети. Из этого такхе следует, что любой из двух экстремумов мохно считать результатом решения задачи выделения признака на изображении в пределах локальной зоны г. Делается вывод о том, что при реиении задач анализа изображений мохно получить точность, которая принципиально не можетипревышать одного дискрета представления исходных данных (изображения).

Для произвольных начальных условий или конфигурации входных данных X, в многомерном дискретном Фазовом пространстве НП сетй существует одна и только одна траектория движения изображающей точки (ИТ) к решению. Однако, в конце траектории не исключается ■возможность попадания в "критический" режим, когда ИТ начинает совершать хаотическое движение" в пределах некоторой многомерной

св>еры, радиус которой равен единице. Поэтому, цель внесения оума н параметры НП сети сводится к достижению разновесия а пределах такой сФеры, причем, ограничения на паранетгм иупа должны состоять в том, чтобы его влияние на траекторию не ггрегаьизало допустимой точности решения. Это означает, Что под действием вума, ИТ может отклонятся от истинной траектории в пределах некоторой трубки, радиус которой не превышает одного дискрета Фазового пространства. Нарушение этого условия приводит к сравнительно быстрому достижению асимптотической устойчивости НП сети с одновременным возрастанием погрешности вычисления коор. инат локальных экстремумов, что приводит и необратимой потере значимой информации. Поэтому показывается, что для сохранения н чбходимой точности решения абсолютная составляйсял амплитуды пума должна увеличиваться с каждым тактом дискретного времени. Предлагается вносить аум путем его суперпозиции „с параметром мембранного потенциала• каждого НЛ элемента. При этом результируюиая оценка уровня шума имеет следующий вид!

«г»» 1 т-1 <и>

9а<1,Л) ----<1-Ю • (1,Л>

К— 1

где и - количество дискретных тактов времени необходимое для достижения зсны насыщения (когда выполняетея неравенство Р>1) минимальный из экстремумов! 5 <1,Л) - случайное число (Я""<1,Л) £ СО, . . . , 1>>. Результаты имитационного моделирования показывают, что при использовании шума, достижение сходимости НП сетей размерностью 500, , 2340 и 6ООО элементов аанимает от Ю до 40 тактез , дискретного :времени при любых пространственных конфигурациях Iначальных данных. ..Далее проводится разработка параллельной НП сети для выделения признаков кривизны, а также алгоритма и струт уры для реаомя задачи вторичной селекции признаков ( - селекция амплит уд экстрдчуноа).

Разрабатываются и обсуждаются способы Формирования пространства признаков и последовательность "действий при переходе к граф—модели объектов, при ренении .слозных зм<ч искусственного интеллекта — классификации частично видимых ' и перекрываюяихся объектов.

Разрабатывается НП структура для реализации модификации алгоритма Фильтрации изображений, который можно представить е следующем виде« П,Л> " ® В. ♦ 0»(1,Л)>'. (В)

где - выходное .значение НП элемента Формального типа»

Б* - патрица Фильтра (причем }[ * И, j)*ж0) г - интегральная пороговая величина. .2 основании алгоритма (В) мох но проводить Фильтрацию зейий. одновременно учитывая гистограммы интенсивностей ■,1хтаи Фона, путем соответствующего задания параметров ^ „ и^я в .стве переменных функции порога:

0"(I,J) = ХП,Л)-р„ + X<I,J>-j}¡;

ros - X(I,J) - инверсное значение выходного значения элемента реиепторного поля; и j^í - значения синаптическога веса взаимодействия НП элемента с прямым и инверсным выходами элемента рецепторного слоя X. Предлагается способ построения гистограмм локальных

интенсивностей объекта и Фона на основе которых определяется значения синоптических весов и Пбсуждаится проблемы

сегментации х изображений и разрабатывается параллельный алгоритм выделения гомогенных областей.

В четвертой главе обсуждамтся .основные проблемы практической

1 ----V

реализации нейрокомпьютеров. Рассматриваются особенности построения системы коммутации цифровых нейроподобных элементов (ЦНП) в структуре универсального модуля, выполненного на базе гибридной технологии. о

Предлагается алгоритм работы перепрограммируемого выходного блока НП процессора, который можно представить в следующем виде:

3. Гели р«"» С О, то Zi = -P'"*4-A>s

а), если Zi < 0, то Y'"* = Р'"> !

а), если Z» J. О, то У"» = А"ж. У

2. Гели Р'"» >,0, то = ,

а), если Z-2 < О, то Y'"* = "" •

в), если 7= ^ 0, то Y'"' = Р«"»;

где Р и Y — значение мембранного потенциала и, выхода- НП

<9 -

процессора; и Ь - .промежуточные переменные; A», Az. А", и' ~ константы.

На основе алгоритма разрабатывается структура

перепрограммируемого выходного блока ЦНП, в котором, с помощь» изменения параметров А». д?ч д», и А*г можно получать широкий спектр нелинейностей. Рассматриваются вопросы сравнения предлагаемого метода анализа изображений на бяье НП сети с локальными связями.

В пакпич^иич овойвавтся оснооныо теоретически;? и г>рактическиг

» • »

езультатц, полученные в диссертационной работе.

П припоя«? мулч представлены ' тексты программ имитационного пяэлкгоземип НП евтей с локальными связями размерность» 500,7740 и ООО элегмгнтез, результаты ревяния задач предварительной обработки и иммза изображений, а также иллюстративный материал и документы, одтверждакгще «акт внедрения результатоа диссестацинной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе решена научная задача посвиагеннзя заработке и исслг овани» моделей, ллгоритмоз работы и структур лФрозых нгйяоподоейых СНП) сетей с локальными связями для решения аяач анализа изображений.

При решении основной задачи в диссертационной работе гюпучены юдуваиэ научные результаты!

1. Разработан метод определения сснознах пграизтроз НП соти с экальными связями, ориентированный на параллельное реиениз задач .(целения локальных экстгемумоо поверхности.

2. Исследованы свойства НП сети с локальными связями и ззможность и* использования для решения задач анализа изображений.

я. Разработан метод синтеза структуры и определения параметров ногослойной КП сети с локальными связями .ориентированной на 1Раллельное решение задач предварительного анализа изображений и ¡еспечмваюигий существенное снижение аппаратурных затрат на [еличение чувствительности НП сети в сравнении с известными |раллельными методами обработки изображений.

4. Предложен метод определения основных характеристик шума, 13воляювий увеличить быстродействие при решении задач анализа ображений на базе параллельной НП сети.

5. Разработана модификации ' алгоритма Фильтрации, которая сширяет Функциональные возможности аналогичных методов едварительной обработки бинарных изображений и позволяет сократить емп решения практических в два раза за счет сравнительно большого увеличения количества связей НП сети.

6. Разработаны алгоритм Функционирования и структура выходного ока для цифрового НП процессора, позволяющие в отличии от вестных типов НП элементов -.троводить перестройку выходного блока

реализацию широкого спектра нелинейных выходных Функций.

lb

7. Разработаны алгоритмы сегментации бинарных изобразенш по."" олякяцие реализовать полностью параллельный процесс выделен! !•' ¡генных областей.

Оснозные Результаты диссертации Опубликованы в следующ, работах:

1. Каляев A.B.. Гюровков И.К. Пространственная Фильтрация основе цифровых нейропоцобных сетеС^ с пгкальными связями мег элементами//Многопроцессорные вычислительные структуры. Сборн научных трудов.- Вып.13.(XX11!. - Таганрог,1991. - С.38-42.

Z. Чернухин ».Р.. Брюхомицкий H.A., Галуев Г.А.,Боровков И. Гайдученко Г.В. и др. РаЬРЗвотка, Создание и исследование эленентн Базы параллельных цифровых нейрокомпьютеров. Отчет о НИР (окончат НИИ МВС при ТРТИ: руков. Ю.В. Чйрнухин. -№ ГР О189.0079789. Ино. 02. 9.10. 013007. - Таганрог, 19V0, - 278 с.

3. Kalyaev A.V., Bozhich У I., Borovkov I.K. Information technological possibilités of digital neurocomputers wi architecture "hypercube"//Information technologies -for ima analysis and pattern recognition. ITIAPR*90. The Internation rene Lviv. USSR, October 22-78, 1990, F^oceedings. Volume II. - Lvi

1990. - P.167-171.

А. Каляев A„ В.. Бо*ич В.И., Боровков H.K. Особенности выделен признаков на оснсЫ? нейрокомпьютеров с локальными цепкий обработ

о

информации//Тезись. рс»ладов Всесоюзного семинара "Распределен* обработка информации - IV". Новосибирск, Горно-Алтайск, авгус

1991. - Новосибирск. 1991. -С.6?,

5. Галуев Г. А., Брюхомицкий 10. А- - Чернухин И.В., Боровков И. Гибридная интегральная схема цифрового нейропадобного процессора Перспективные системы обработки информации: препринт N6-90, АН УСС ИПП МиМ, 1990. - С;11-14.

6. Каляев И.А., Брюхомицкил М.А., Черный С.А., Б.оровков И.К Петручук И.В., Капустин В.Н. Программная модель системы управлеь шагающего транспортного средства// Сборник . научных труде Математическое vi алгоритмическое обеспечение оптимизации слохь систем. - PopOHeis ПИ, 1987. - С.45-50.

7. А.В.Каляев,, Галуев Г.п., Брюхомицкий 10.А., Чернухин ЮЛ Боровков U.K. Цифровой нейропопобный процессор с перестраиваем структурой на основе гибридной технолог км //Многопроцессор* вычислительные структуры. Сборник научных трудов. - Таганрог. 19е Вып. 13 (XXII). - С.49-52. on ТРТИ. Зак. 2S3 Тир.■/00 199J3 г.