Рис.3. Взаимное расположение распределений элементов изображения и класса

Найденные элементы фона рассматриваются в качестве выборки, если их число не меньше объема выборки класса. Признак ^ может оказаться «плохим» для определения выборки фона, если число найденных элементов фона меньше объема выборки класса: дисперсии распределений элементов класса и исходного изображения сравнимы. В этом случае рассматривается следующий признак.

5.Найденной признаковое пространство рассматривается как пространство обобщения текущего агента с областью определения задаваемой компактностью элементов обучающей выборки. Такое рассмотрение правомерно, поскольку выборка задаёт локальные свойства всех элементов изображения искомого класса сегментов. С другой стороны, ясно, что и компактность свойств и множество признаков на уровне класса сегментов являются обобщением компактности и свойств примитивов. Поэтому возникшее рассогласование устраняется впоследствии при модификации текущего агента.

6.В режиме сканирования текущий агент отображает в пространство обобщения те пиксели изображения, которые удовлетворяют ограничениям обучающей выборки (Рис.4.). Далее данные в пространстве обобщения текущего агента кластеризуются алгоритмом ISODATA при неизвестном априори числе классов. Из сформировавшихся кластеров выделяются (остальные данные удаляются) такие кластеры, число элементов которых не менее 5-10, которые не пересекаются с другими кластерами. Наличие пересекающихся кластеров означает, что рассматриваемая система признаков не является информативной для их s-разделимости.

Оставшиеся элементы изображения, обладающие свойствами элементов обучающей выборки, далее рассматриваются в качестве вторичной обучающей выборки, если она является представительной. По вторичной обучающей выборке порождается очередной агент уровня примитивов уже указанным образом.

7.Данные, описываемые кластерами пространства обобщения текущего агента, отображаются на поле изображения (Рис.5.), на котором прослеживается их связность. На полученных примитивах вычисляются Xi . Причём ищется уже описанным выше способом такое подмножество Xi , которое обеспечивает формирование в пространстве целей текущего агента всех его обобщений: примитивы, образующие один сегмент, в пространстве обобщения текущего агента образуют, естественно, один кластер, а примитивы разных сегментов - разные кластеры. Следовательно, с примитивами одного сегмента в пространстве целей текущего агента

Рис. 4. Элементы анализируемого изображения (жёлтые точки) с локальными

свойствами второго класса сегментов

должна быть связана одна типовая цель. Таким образом, пространство целей (вектор признаков, область определения и структура) текущего агента сформировано.

Рис.5. Примитивы со свойствами сегментов второго класса

8. После завершения работы текущего агента порождается агент уровня сегментов. Цель порождения агента - сформировать 1. пространство обобщения (подмножество для Xi , область определения, структуру), 2. пространство целей (подмножество для Xi , область определения пространства, структуру пространства, дерево подцелей для каждой типовой цели), 3. связь каждой типовой цели с соответствующим кластером пространства обобщения.

Ситуация с достижением целей порождения агента схожа с ситуацией порождения агента уровня примитивов: по описаниям откликов агента уровня примитивов формируются пространство обобщения текущего агента и его структура (Рис.6.) и пространство целей текущего агента со структурой, тождественной структуре пространства обобщения. Причём по известной структуре полученных сегментов формируются типовые подцели пространства целей текущего агента с соответствующим описанием каждой подцели.

Аналогично порождаются агенты уровня класса сегментов. Таким образом, в восходящем анализе данных сформированы агенты всех уровней анализа изображения, достаточные для преследования сформулированной пользователем глобальной цели. На рис. 7. Представлена картосхема с искомыми сегментами пяти классов.

Рис. 6. Сегменты второго класса