Abstract
Актуальность в разработке интеллектуальных систем классификации сложноструктурируемых изображений возникает при обработке снимков с видеокамер беспилотных летательных аппаратов, используемых в навигационных целях при отсутствии связи с искусственными спутниками Земли или при анализе снимков оператором в режиме реального времени. Разработанный метод обеспечивает высокие требования к качеству классификации объектов на снимках, а также быстродействию выделения и классификации исследуемых сегментов изображения. Для классификации таких изображений предложены компьютерные технологии, основанные на методологии бустинга. Пространство информативных признаков формируется посредством спектральных окон, полученных в результате сканирования исходного изображения. Спектральные окна, принадлежащие к различным классам, располагаются в виде кластеров на плоскости Кохонена. Для формирования кластеров применяются правила коррекции векторов весов, позволяющие снизить величины незначащих компонент векторов, и определяются координаты центров кластеров. На основе кластерной структуры плоскости Кохонена строятся сильные классификаторы. Разработана и приведена структура сильного классификатора на нейронных сетях прямого распространения блочного типа, реализованная для задачи классификации рентгенограмм грудной клетки.