Меню
Главная
Авторизация/Регистрация
 
Главная arrow Информатика arrow Автоматизированный системно-когнитивный анализ изображений по их пикселям (обобщение, абстрагирование, классификация и идентификация)

Автоматизированный системно-когнитивный анализ изображений по их пикселям (обобщение, абстрагирование, классификация и идентификация)


Рассматривается применение автоматизированного системно-когнитивного анализа (АСК-анализ), его математической модели - системной теории информации и программного инструментария - интеллектуальной системы «Эйдос» для ввода (оцифровки) изображений из графических файлов, синтеза обобщенных изображений классов, их абстрагирования, классификации обобщенных изображений классов (кластеры и конструкты), сравнения конкретных изображений с обобщенными образами (идентификация) классов, сравнения классов друг с другом. Предлагается применить теорию информации для расчета количества информации, содержащегося в пикселе изображения о том, что это изображение принадлежит к определенному классу изображений. Приводится численный пример, в котором на основе ряда конкретных примеров изображений, принадлежащих к различным классам, формируются обобщенные образы этих классов, независящие от их конкретных реализаций, т.е. «Эйдосы» этих изображений (в смысле Платона) - прототипы или архетипы изображений (в смысле Юнга). Но система «Эйдос» обеспечивает не только формирование прототипов изображений, в которых количественно отражено количество информации в элементах конкретных изображений об их принадлежности к определенным прототипам, но и сравнение конкретных изображений с обобщенными (идентификация) и самих обобщенных образов изображений друг с другом (классификацию)

Ключевые слова: АСК-АНАЛИЗ, АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «ЭЙДОС», ВВОД, ОЦИФРОВКА ИЗОБРАЖЕНИЙ, СИНТЕЗ ОБОБЩЕННЫХ ИЗОБРАЖЕНИЙ, АБСТРАГИРОВАНИЕ, КЛАССИФИКАЦИЯ, СРАВНЕНИЕ КОНКРЕТНЫХ ИЗОБРАЖЕНИЙ С ОБОБЩЕННЫМИ (ИДЕНТИФИКАЦИЯ)

Данная статья может рассматриваться как продолжение серии работ автора [1, 2, 3, 4], посвященных применению автоматизированного системно-когнитивного анализа (АСК-анализ) [2] и его программного инструментария - системы «Эйдос» для интеллектуальной обработки изображений.

Несомненный научный и практический интерес представляет синтез обобщенных изображений на основе ряда конкретных примеров. При этом в результате обобщения выясняется ценность признаков изображений для их дифференциации, а также степень характерности тех или иных признаков для конкретных изображений. Это позволяет без ущерба для адекватности модели удалить из нее малоценные признаки, т.е. осуществить абстрагирование обобщенных изображений, что обеспечивает в последующем сокращение затрат различных видов ресурсов на сбор и обработку графической информации. Над обобщенными изображениями возможны операции классификации, объединения наиболее сходных из них в кластеры и формирования систем наиболее сильно отличающихся друг от друга кластеров, т.е. конструктов. Можно также количественно оценивать степень сходства конкретных изображений с обобщенными, т.е. идентифицировать эти конкретные изображения.

При этом могут использоваться различные признаки изображений. Это могут быть и просто отдельные пиксели, и различные системы пикселей, в частности внешние контуры изображений [3, 4].

В данной работе применен подход, аналогичный описанному в работе [2]. Целесообразность написания данной статьи обусловлена тем, что подход, описанный в работе [2], был реализован в DOS-версии системы «Эйдос» [5] и прошедшие с тех пор 6 лет создана новая версия системы «Эйдос-Х++», в которой этот подход развит с использованием новых графических и других возможностей языка программирования [6].

В новой версии системы есть режим 4.7, который так и называется: «АСК-анализ изображений» (рисунок 1):

Рисунок 1. Запуск режима: «АСК-анализ изображений» из главного меню системы «Эйдос-Х++»

В результате появляется главная экранная форма режима «АСК-анализ изображений», представленная на рисунке 2:

Рисунок 2. Первая экранная форма режима: «АСК-анализ изображений»

Из рисунка 2 мы видим, что системой «Эйдос-Х++» предоставляется возможность АСК-анализа изображений по всем их пикселям (чему и посвящена данная статья), а также по их контурам. В работах [3, 4] описан АСК-анализ изображений по их внешним контурам. На рисунке 3 приведен скриншот, поясняющий возможности данных режимов:

Рисунок 3. Пояснение к режиму: ««АСК-анализ изображений»

После выбора оцифровки и АСК-анализ изображений по их пикселям появляется экранная форма, приведенная на рисунке 4:

Рисунок 4. Экранная форма режима оцифровки и АСК-анализаизображений по их пикселям

В верхней части экранной формы описаны основные этапы работы в данном режиме и его основные возможности.

В нижней части экранной формы есть кнопки, позволяющие запустить соответствующие режимы на исполнение.

Рассмотрим их по порядку.

АСК-анализ изображений может использоваться для выполнения реальных научных и практических задач обработки изображений в различных предметных областях, а также в качестве учебного режима для освоения различных методов интеллектуальной обработки изображений.

В первом случае изображения, которые мы собираемся анализировать, получены из внешнего источника (фото, сканированные изображения, клип-арты и т.д.). В этом случае они вручную помещаются пользователем в папку: c:Aidos-XAID_DATAInp_data.

Во втором случае, который мы и рассмотрим в данной статье, используется генератор изображений символов различных размеров, стилей и шрифтов, встроенный в систему «Эйдос». Эти изображения и используются для анализа. Запуск данного генератора изображений происходит по нажатию кнопки 1 на экранной форме, приведенной на рисунке 4. В результате появляется окно генератора изображений символов, в котором пользователь может задать какие символы генерировать, а также размер и тип шрифта (рисунок 5):

Рисунок 5. Экранная форма генератора изображений символов режима: «АСК-анализ изображений»

При нажатии на кнопке: появляется стандартное окно выбора типа шрифта и его стиля (рисунок 6):

Рисунок 6. Стандартное окно выбора типа шрифта и его стиля

С помощью этого окна выбираем символы и шрифты для численного примера, исследуемого в данной статье. В данном случае это цифры следующих шрифтов. Если в папке: c:Aidos-XAID_DATAInp_data не было поддиректории с изображениями заданных символов заданных шрифтов, то они создаются. В папках имена которых совпадают с наименованиями шрифтов, создаются графические файлы с созданными изображениями заданных символов:

Эти изображения обрезаны по максимальным размерам (ширине и высоте) всех созданных изображений.

Когда изображения для исследования подготовлены и записаны в нужную директорию и поддиректории, то запускается автоматизированный программный интерфейс ввода изображения в систему «Эйдос», т.е. режим оцифровки.

Отметим, что в текущую версию системы «Эйдос-Х++» входят два режима оцифровки изображений: по всем пикселям (режим 2.3.2.5) и по их внешним контурам (режим 2.3.2.4). Планируется также разработка режима оцифровки изображений по их внутренним и внешним контурам. Все режимы оцифровки изображений входя в подсистему, содержащую программные интерфейсы системы «Эйдос» с внешними истопниками данных, представленных в различных формах: в форме текстов, таблиц и изображений (рисунок 7):

Рисунок 7. Экранная форма главного меню системы «Эйдос-Х++» с программными интерфейсами ввода данных в систему из внешних источников данных различных типов

Запуск режима оцифровки изображений по их пикселям возможен из режима 2.3.2.5 (рисунок 7), а также путем нажатия на вторую кнопку в экранной форме, приведенной на рисунке 4. При запуске данного режима оцифровки открывается окно (рисунок 8):

Рисунок 8. Экранная форма режима оцифровки изображений по всем их пикселям

Данный режим создает базу данных оцифрованных изображений. Если этой базы данных нет в текущей папке системы «Эйдос», то она создается, если она уже есть, то оцифрованные изображения просто добавляются в нее. Поэтому, если мы хотим, чтобы в этой базе были только вновь созданные изображения, то предварительно нужно пересоздать (стереть) ее. При выборе второго пункта начинается процесс оцифровки изображений, находящихся в поддиректориях папки: c:Aidos-XAID_DATAInp_data. Этот процесс сопровождается отображением тех изображений, которые оцифровываются в данный момент (рисунок 8):

Рисунок 8. Экранная форма отображения стадии оцифровки изображения

В любое время можно просмотреть изображения, накопленные в этой базе, кликнув по 3-й кнопке. После выбора 4-го пункта создается база данных «Inp_data.dbf» для стандартного программного интерфейса 2.3.2.3 ввода данных в Систему «Эйдос» из внешних баз данных, содержащая информацию об изображениях в стандарте данного интерфейса (рисунок 9):

Рисунок 9. Экранные формы отображения стадии исполнения

Всегда создается файл: Inp_data.dbf, который, если пользователь не отказывается от этого, экспортируется в Excel-файл.

Затем выполняется 3-й этап, приведенный на рисунке 4. При этом отображается экранная форма программного интерфейса 2.3.2.3 (рисунок 10) с нужными параметрами заданными программно (по умолчанию):

Рисунок 10. Экранная форма программного интерфейса режима 2.3.2.3.

Выполнение данного режима автоматически формирует классификационные и описательные шкалы и градации, а также обучающую выборку, содержащую данные по пикселям всех исследуемых изображений.

Help данного режима, в котором описаны его назначение и требования к исходным данным, приведен на рисунке 11:

Рисунок 11. Экранная форма Help режима 2.3.2.3.

Программный интерфейс 2.3.2.3 используется в данном случае потому, что у него практически нет ограничения на число классификационных и описательных шкал и градаций.

В результате выполнения данного режима автоматически формируются классификационные и описательные шкалы и градации (рисунок 12) и обучающая выборка (таблица 1), т.е. производится нормализация базы исходных данных:

Рисунок 12. Экранные формы с классификационными и описательными шкалами и градациями

Таблица 1 - Обучающая выборка (фрагмент: 65 из 1857 строк)

Наимено-вания

шкал

Тип данных в шкале

Краткие наименования объектов обучающей выборки

OBJ1

OBJ2

OBJ3

OBJ4

OBJ5

OBJ6

OBJ7

OBJ8

OBJ18

Класс

C

1

2

3

4

5

6

7

8

8

Pixel(1,1)

N

Pixel(2,1)

N

Pixel(3,1)

N

* * *

Pixel(10,16)

N

160

160

160

Pixel(11,16)

N

161

161

161

161

Pixel(12,16)

N

162

162

162

162

Pixel(13,16)

N

163

163

163

163

Pixel(14,16)

N

164

164

164

164

Pixel(15,16)

N

165

165

165

165

Pixel(16,16)

N

166

166

166

166

Pixel(17,16)

N

167

167

167

167

Pixel(18,16)

N

168

168

168

Pixel(19,16)

N

169

Pixel(20,16)

N

Pixel(21,16)

N

Pixel(22,16)

N

Pixel(23,16)

N

Pixel(24,16)

N

Pixel(25,16)

N

Pixel(26,16)

N

Pixel(27,16)

N

Pixel(28,16)

N

Pixel(29,16)

N

Pixel(1,17)

N

Pixel(2,17)

N

Pixel(3,17)

N

176

176

Pixel(4,17)

N

177

177

Pixel(5,17)

N

178

178

Pixel(6,17)

N

179

179

179

Pixel(7,17)

N

180

180

180

180

Pixel(8,17)

N

181

181

181

181

181

181

Pixel(9,17)

N

182

182

182

182

182

182

182

Pixel(10,17)

N

183

183

183

183

183

183

183

Pixel(11,17)

N

184

184

184

184

184

184

184

Pixel(12,17)

N

185

185

185

185

185

185

185

Pixel(13,17)

N

186

186

186

186

186

186

186

Pixel(14,17)

N

187

187

187

187

187

187

187

Pixel(15,17)

N

188

188

188

188

188

188

188

188

Pixel(16,17)

N

189

189

189

189

189

189

189

189

189

Pixel(17,17)

N

190

190

190

190

190

190

190

190

190

Pixel(18,17)

N

191

191

191

191

191

191

191

191

191

Pixel(19,17)

N

192

192

192

192

192

192

192

192

192

Pixel(20,17)

N

193

193

193

193

193

193

193

Pixel(21,17)

N

194

194

194

194

194

194

Pixel(22,17)

N

195

195

195

Pixel(23,17)

N

196

196

196

Pixel(24,17)

N

197

197

197

Pixel(25,17)

N

198

198

Pixel(26,17)

N

199

199

Pixel(27,17)

N

Pixel(28,17)

N

Pixel(29,17)

N

Pixel(1,18)

N

Pixel(2,18)

N

Pixel(3,18)

N

200

200

Pixel(4,18)

N

201

201

Pixel(5,18)

N

202

202

Pixel(6,18)

N

203

203

203

203

203

Pixel(7,18)

N

204

204

204

204

204

204

204

Pixel(8,18)

N

205

205

205

205

205

205

205

Pixel(9,18)

N

206

206

206

206

206

206

206

Pixel(10,18)

N

207

207

207

207

207

207

207

Pixel(11,18)

N

208

208

208

208

208

208

208

В таблице 1 для экономии места в заголовке приведены краткие наименования объектов обучающей выборки. Полные их наименования приведены ниже:

1. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 0.bmp

2. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 1.bmp

3. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 2.bmp

4. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 3.bmp

5. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 4.bmp

6. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 5.bmp

7. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 6.bmp

8. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 7.bmp

9. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 8.bmp

10. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MSNum 9.bmp

11. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 0.bmp

12. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 1.bmp

13. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 2.bmp

14. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 3.bmp

15. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 4.bmp

16. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 5.bmp

17. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 6.bmp

18. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 7.bmp

19. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 8.bmp

20. C:AIDOS-XAID_DATAInp_data36_@Arial_Unicode_MS_BoldNum 9.bmp

21. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 0.bmp

22. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 1.bmp

23. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 2.bmp

24. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 3.bmp

25. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 4.bmp

26. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 5.bmp

27. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 6.bmp

28. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 7.bmp

29. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 8.bmp

30. C:AIDOS-XAID_DATAInp_data36_Courier_BoldNum 9.bmp

31. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 0.bmp

32. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 1.bmp

33. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 2.bmp

34. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 3.bmp

35. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 4.bmp

36. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 5.bmp

37. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 6.bmp

38. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 7.bmp

39. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 8.bmp

40. C:AIDOS-XAID_DATAInp_data36_Courier_NewNum 9.bmp

41. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 0.bmp

42. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 1.bmp

43. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 2.bmp

44. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 3.bmp

45. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 4.bmp

46. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 5.bmp

47. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 6.bmp

48. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 7.bmp

49. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 8.bmp

50. C:AIDOS-XAID_DATAInp_data36_Times_New_RomanNum 9.bmp

51. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 0.bmp

52. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 1.bmp

53. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 2.bmp

54. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 3.bmp

55. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 4.bmp

56. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 5.bmp

57. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 6.bmp

58. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 7.bmp

59. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 8.bmp

60. C:AIDOS-XAID_DATAInp_data36_Times_New_Roman_BoldNum 9.bmp

Затем запускается режим синтеза и верификации статистических и системно-когнитивных моделей с параметрами по умолчанию (рисунок 13):

Рисунок 13. Экранные формы режима синтеза и верификации моделей

графический изображение пиксель автоматизированный

В результате работы данного режима создаются и верифицируются 3 статистических модели (корреляционная матрица, матрицы условных и безусловных процентных распределений) и 7 системно-когнитивных моделей (моделей знаний) (рисунок 14):

Рисунок 14. Этапы последовательного повышения степени формализации модели от данных к информации, а от нее к знаниям

Из всех этих моделей ниже приведена модель «ABS» и модель «INF1» (таблицы 2 и 3), наименования этих моделей приведены на рисунке 13.

Таблица 2 - Модель «Abs» (фрагмент)

Код

Наименование шкалы и градации

CLS1

CLS2

CLS3

CLS4

CLS5

CLS6

CLS7

CLS8

CLS9

CLS10

Сумма

1

PIXEL(7,8)-1/1-{11953664.0000000, 16777215.0000000}

1

1

2

2

PIXEL(11,8)-1/1-{6684672.0000000, 16777215.0000000}

1

1

1

1

1

5

3

PIXEL(12,8)-1/1-{16758374.0000000, 16777215.0000000}

1

1

1

1

1

1

1

7

4

PIXEL(13,8)-1/1-{6684672.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

8

5

PIXEL(14,8)-1/1-{16777142.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

8

6

PIXEL(15,8)-1/1-{14417919.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

8

7

PIXEL(16,8)-1/1-{14992.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

9

8

PIXEL(17,8)-1/1-{11993087.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

9

9

PIXEL(18,8)-1/1-{102.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

9

10

PIXEL(20,8)-1/1-{6731519.0000000, 16777215.0000000}

1

1

1

1

4

11

PIXEL(22,8)-1/1-{6731519.0000000, 16777215.0000000}

1

1

1

3

12

PIXEL(23,8)-1/1-{3838171.0000000, 6731519.0000000}

1

1

2

13

PIXEL(7,9)-1/1-{11953664.0000000, 16777215.0000000}

1

1

2

14

PIXEL(9,9)-1/1-{6684672.0000000, 16777215.0000000}

1

1

1

1

1

5

15

PIXEL(10,9)-1/1-{11953664.0000000, 16777215.0000000}

1

1

1

1

1

1

1

7

16

PIXEL(11,9)-1/1-{16758374.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

8

17

PIXEL(14,9)-1/1-{9452032.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

9

18

PIXEL(15,9)-1/1-{14389306.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

1

10

19

PIXEL(16,9)-1/1-{14992.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

1

10

20

PIXEL(19,9)-1/1-{6731519.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

9

21

PIXEL(20,9)-1/1-{14992.0000000, 16777215.0000000}

1

1

1

1

1

1

6

22

PIXEL(22,9)-1/1-{6731519.0000000, 16777215.0000000}

1

1

1

3

23

PIXEL(23,9)-1/1-{3838171.0000000, 16777215.0000000}

1

1

2

24

PIXEL(5,10)-1/1-{11953664.0000000, 16777215.0000000}

2

2

25

PIXEL(6,10)-1/1-{11953664.0000000, 16777215.0000000}

1

2

3

26

PIXEL(7,10)-1/1-{9452032.0000000, 16777215.0000000}

1

2

2

5

27

PIXEL(8,10)-1/1-{102.0000000, 16777215.0000000}

1

1

1

2

2

1

8

28

PIXEL(9,10)-1/1-{11993087.0000000, 16777215.0000000}

1

1

1

1

2

1

1

1

9

29

PIXEL(10,10)-1/1-{102.0000000, 16777215.0000000}

1

1

1

1

2

1

1

1

9

30

PIXEL(11,10)-1/1-{3801088.0000000, 16777215.0000000}

2

1

2

2

1

1

2

1

12

31

PIXEL(12,10)-1/1-{102.0000000, 16777215.0000000}

2

1

2

2

1

1

2

2

13

32

PIXEL(13,10)-1/1-{14992.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

2

10

33

PIXEL(14,10)-1/1-{6684672.0000000, 16777215.0000000}

1

1

1

1

1

1

1

1

1

1

10

34

PIXEL(15,10)-1/1-{6684672.0000000, 16777215.0000000}

1

2

1

1

2

1

1

1

1

1

12

35

PIXEL(16,10)-1/1-{14992.0000000, 16777215.0000000}

1

2

1

1

2

1

1

1

1

1

12

36

PIXEL(17,10)-1/1-{3838171.0000000, 16777215.0000000}

2

1

2

2

2

1

2

1

2

2

17

37

PIXEL(18,10)-1/1-{102.0000000, 16777215.0000000}

2

1

2

2

2

1

1

1

2

2

16

38

PIXEL(19,10)-1/1-{58.0000000, 16777215.0000000}

2

1

2

2

1

1

1

2

2

14

39

PIXEL(20,10)-1/1-{6731519.0000000, 16777215.0000000}

1

1

1

2

1

1

1

1

1

10

40

PIXEL(21,10)-1/1-{102.0000000, 16777215.0000000}

1

1

1

1

1

2

1

1

9

41

PIXEL(22,10)-1/1-{3838171.0000000, 16777215.0000000}

1

1

2

2

6

42

PIXEL(23,10)-1/1-{3838171.0000000, 16777215.0000000}

1

2

2

5

43

PIXEL(24,10)-1/1-{58.0000000, 16777215.0000000}

1

2

1

4

44

PIXEL(25,10)-1/1-{102.0000000, 6731519.0000000}

1

1

2

45

PIXEL(5,11)-1/1-{11953664.0000000, 16777215.0000000}

3

3

46

PIXEL(6,11)-1/1-{6684672.0000000, 16777215.0000000}

1

1

1

3

6

47

PIXEL(7,11)-1/1-{6684672.0000000, 16777215.0000000}

1

1

1

2

3

1

9

48

PIXEL(8,11)-1/1-{102.0000000, 16777215.0000000}

1

1

2

3

2

3

1

1

14

49

PIXEL(9,11)-1/1-{3801088.0000000, 16777215.0000000}

2

1

3

3

3

2

3

2

19

50

PIXEL(10,11)-1/1-{102.0000000, 16777215.0000000}

3

1

3

3

3

2

3

3

21

51

PIXEL(11,11)-1/1-{102.0000000, 16777215.0000000}

3

2

2

2

2

1

2

2

3

19

52

PIXEL(12,11)-1/1-{14992.0000000, 16777215.0000000}

2

3

2

2

2

1

2

2

2

18

53

PIXEL(13,11)-1/1-{9452032.0000000, 16777215.0000000}

2

3

2

2

2

1

2

2

2

18

Таблица 3 - Модель «Inf1» (фрагмент)

Код

Наименование шкалы и градации

CLS1

CLS2

CLS3

CLS4

CLS5

CLS6

CLS7

CLS8

CLS9

CLS10

Цен-

ность

1

PIXEL(7,8)-1/1-{11953664.0000000, 16777215.0000000}

542

650

0,253

2

PIXEL(11,8)-1/1-{6684672.0000000, 16777215.0000000}

251

257

235

342

167

0,138

3

PIXEL(12,8)-1/1-{16758374.0000000, 16777215.0000000}

71

138

144

122

230

54

78

0,076

4

PIXEL(13,8)-1/1-{6684672.0000000, 16777215.0000000}

26

178

94

99

77

185

9

34

0,069

5

PIXEL(14,8)-1/1-{16777142.0000000, 16777215.0000000}

26

178

94

99

77

185

9

34

0,069

6

PIXEL(15,8)-1/1-{14417919.0000000, 16777215.0000000}

26

178

94

99

77

185

9

34

0,069

7

PIXEL(16,8)-1/1-{14992.0000000, 16777215.0000000}

-14

139

54

59

27

37

145

-31

-6

0,061

8

PIXEL(17,8)-1/1-{11993087.0000000, 16777215.0000000}

-14

54

59

27

37

-9

145

-31

-6

0,052

9

PIXEL(18,8)-1/1-{102.0000000, 16777215.0000000}

-14

54

59

27

37

-9

145

-31

-6

0,052

10

PIXEL(20,8)-1/1-{6731519.0000000, 16777215.0000000}

300

310

263

417

0,171

11

PIXEL(22,8)-1/1-{6731519.0000000, 16777215.0000000}

406

360

514

0,209

12

PIXEL(23,8)-1/1-{3838171.0000000, 6731519.0000000}

496

650

0,244

13

PIXEL(7,9)-1/1-{11953664.0000000, 16777215.0000000}

542

650

0,253

14

PIXEL(9,9)-1/1-{6684672.0000000, 16777215.0000000}

251

257

235

342

167

0,138

15

PIXEL(10,9)-1/1-{11953664.0000000, 16777215.0000000}

71

138

144

122

230

54

78

0,076

16

PIXEL(11,9)-1/1-{16758374.0000000, 16777215.0000000}

26

178

94

99

77

185

9

34

0,069

17

PIXEL(14,9)-1/1-{9452032.0000000, 16777215.0000000}

-14

139

54

59

37

-9

145

-31

-6

0,063

18

PIXEL(15,9)-1/1-{14389306.0000000, 16777215.0000000}

-49

103

19

24

-8

2

-44

110

-66

-41

0,061

19

PIXEL(16,9)-1/1-{14992.0000000, 16777215.0000000}

-49

103

19

24

-8

2

-44

110

-66

-41

0,061

20

PIXEL(19,9)-1/1-{6731519.0000000, 16777215.0000000}

-14

54

59

27

37

-9

145

-31

-6

0,052

21

PIXEL(20,9)-1/1-{14992.0000000, 16777215.0000000}

196

163

174

127

281

130

0,101

22

PIXEL(22,9)-1/1-{6731519.0000000, 16777215.0000000}

406

360

514

0,209

23

PIXEL(23,9)-1/1-{3838171.0000000, 16777215.0000000}

496

650

0,244

24

PIXEL(5,10)-1/1-{11953664.0000000, 16777215.0000000}

883

0,279

25

PIXEL(6,10)-1/1-{11953664.0000000, 16777215.0000000}

406

747

0,256

26

PIXEL(7,10)-1/1-{9452032.0000000, 16777215.0000000}

257

467

575

0,223

27

PIXEL(8,10)-1/1-{102.0000000, 16777215.0000000}

178

94

99

310

417

9

0,148

28

PIXEL(9,10)-1/1-{11993087.0000000, 16777215.0000000}

-14

139

54

59

270

145

-31

-6

0,096

29

PIXEL(10,10)-1/1-{102.0000000, 16777215.0000000}

-14

139

54

59

270

145

-31

-6

0,096

30

PIXEL(11,10)-1/1-{3801088.0000000, 16777215.0000000}

122

42

190

196

-59

49

105

-103

0,100

31

PIXEL(12,10)-1/1-{102.0000000, 16777215.0000000}

95

15

163

169

-86

22

78

103

0,080

32

PIXEL(13,10)-1/1-{14992.0000000, 16777215.0000000}

-49

103

19

24

2

-44

110

-66

191

0,082

33

PIXEL(14,10)-1/1-{6684672.0000000, 16777215.0000000}

-49

103

19

24

-8

2

-44

110

-66

-41

0,061

34

PIXEL(15,10)-1/1-{6684672.0000000, 16777215.0000000}

-110

275

-43

-37

163

-59

-106

49

-127

-103

0,134

35

 
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
 
Предметы
Агропромышленность
Банковское дело
БЖД
Бухучет и аудит
География
Документоведение
Естествознание
Журналистика
Информатика
История
Культурология
Литература
Логика
Логистика
Маркетинг
Математика, химия, физика
Медицина
Менеджмент
Недвижимость
Педагогика
Политология
Право
Психология
Религиоведение
Социология
Статистика
Страховое дело
Техника
Товароведение
Туризм
Философия
Финансы
Экология
Экономика
Этика и эстетика
Прочее