При разработке алгоритмов автоматической тематической обработки разнородных материалов космической съемки существует объективная проблема выбора из всего многообразия формализованных дешифровочных признаков (ФДП) наиболее информативных, обеспечивающих решение задачи распознавания объектов интереса с требуемой или максимально достижимой результативностью.
Основные сложности при априорном оценивании информативности ФДП связаны с неустойчивостью ряда признаков (зависимостью значений ФДП от параметров съемочной аппаратуры, углов и ракурсов визирования, условий освещенности и др.), а также с имеющимися различиями в способах их формализованного описания.
ФДП могут быть представлены в вероятностном или детерминированном виде. Вероятностные ФДП (к ним относится большинство яркостных признаков) задаются параметрами нормального распределения, детерминированные (геометрические, комплексные и некоторые яркостные признаки) – в виде чисел, векторов или матриц расстояний. Для сравнения разделительной способности отдельных разнородных ФДП их информативность должна характеризоваться унифицированными показателями, приведенными к единой шкале.
Для ранжирования ФДП по информативности возможно использовать рассмотренный в работе [1] метод, основанный на сравнении апостериорных вероятностей. Получаемый с помощью этого метода показатель качества, изменяющийся в пределах от единицы до m (m – количество распознаваемых классов объектов), позволяет количественно оценивать разделительную способность и, соответственно, информативность разных признаков.
Для применения рассмотренного метода к оцениванию информативности ФДП, имеющих различную форму представления, авторами был разработан оригинальный алгоритм, предусматривающий преобразование матричных признаков к векторному виду и определение для полученных векторов унифицированных числовых характеристик, используемых для расчета показателей информативности.
Алгоритм предусматривает выполнение следующих операций:
– преобразование оцениваемого матричного признака для всех классов объектов интереса в матрицу-строку путем сложения значений элементов в каждом столбце;
– определение матрицы-строки с наибольшим количеством элементов и приведение к ее размерности всех остальных матриц-строк путем добавления элементов с нулевыми значениями;
– позиционирование элементов матриц-строк с использованием ранговой корреляции;
– сопоставление всех матриц-строк с векторами, координаты концов которых задаются значениями элементов матриц;
– построение первой главной компоненты координат векторов всех классов объектов;
– расчет длины каждого векторного признака и угла между направлениями векторного признака и вектора первой главной компоненты.
Полученные в результате параметры – длина и угол – характеризуют, соответственно, величину признака и взаимное положение элементов вектора или элементов преобразованной в вектор матрицы. Информативность признака может оцениваться по любому из этих параметров.