بازشناسی اشیاء مبتنی بر سیستم بینائی انسان

در دنیای واقعی، بهترین مدل برای ایجاد یک سیستم بینائی قدرتمند، سیستم بینائی انسان می باشد. بدون شک این سیستم قابلیت بسیار بالائی در شناسائی، دسته بندی و تشخیص هویت اشیاء واقع شده در شرایط مختلف همانند زوایای دید مختلف، شدت روشنائی های متفاوت و نیز در صحنه های ترکیبی را دارد. در این بررسی، نمونه ای از سیستم های بازشناسی اشیاء، به صورت سلسله مراتبی و پیش رو بررسی می شود که در مقایسه با انسان از عملکرد بسیار مناسبی برخوردار است. با توجه به بار محاسباتی بالای سلول های عصبی قشر بینائی مغز، مدل محاسباتی آن بسیار گسترده و شبیه سازی این مدل با استفاده از سیستم های محاسباتی مرسوم، بسیار پیچیده و زمان بر خواهد بود اما مدل سلسله مراتبی مورد بررسی می تواند به خوبی به نتایج قابل توجهی برسد. به منظور به دست آوردن بالاترین نرخ بازشناسی، ویژگی های به دست آمده از طریق قشر بینائی با استفاده از مراحل استخراج ویژگی کمکی بهینه شده و در نهایت تصاویر اشیاء، با به کار بردن طبقه بندهای ساده و کارا دسته بندی می شوند. تئوری که در این پروژه مطرح شده است قادر به توجیه عملکرد نورون های قشر بینائی در سطوح پائین می باشد و مدل پیاده سازی شده بر اساس این تئوری می تواند خصوصیات نورون های قشر بینائی مغز را شبیه سازی کند. از این رو با استفاده از روش های استخراج ویژگی مناسب و طبقه بندهای نسبتاً ساده بر روی بازشناسی اشیاء مختلف از جمله در بازشناسی امضاء های فارسی، بازشناسی علائم راهنمائی و رانندگی، توانسته ایم به دقت بالائی در آزمایشهای مختلف دست پیدا کنیم. نتایج آزمایشها نشان می دهد که در بازشناسی اشیاء، مدل ارائه شده نسبت به تغییر زاویه دید، شدت روشنایی و مقیاس، پایدار است و دقت بازشناسی آن به طور مثال در بازشناسی امضاء، بر روی پایگاه داده آزمایشی تصاویر امضاء، به 6/97% رسید که این نرخ بازشناسی در مقایسه با نرخ بازشناسی امضاء با مدل های محاسباتی مرسوم از جمله آنالیز مولفه های اساسی، بر روی پایگاه داده مشابه، بسیار بالاتر می باشد.