Sviluppo di tecniche per l'estrazione di caratteristiche e per la classificazione basate su reti neuronali strutturate. Applicazione a sistemi di sorveglianza e telerilevamento

La presente tesi è rivolta allo sviluppo di un sistema di sorveglianza per la localizzazione e la classificazione di oggetti abbandonati in stazioni ferroviarie a scarso traffico. Per evidenziare una zona di cambiamento vengono utilizzate sia l’informazione spaziale (confronto con una immagine di riferimento) sia quella temporale (confronto con le immagini precedenti). Per poter classificare tale zona sono stati implementati moduli di elaborazione delle immagini adattivi che siano in grado di estrarre caratteristiche il più possibile discriminanti e robuste. Essi sono stati realizzati in modo tale da adattarsi facilmente alle varie condizioni di lavoro, differenti a seconda della scena analizzata: fattori discriminanti sono le condizioni di luminosità, la distanza degli oggetti dal punto di osservazione, il grado di sovrapposizione di oggetti vicini. Il dispositivo di classificazione à basato sull’utilizzo di reti neurali. Sono state analizzate le prestazioni di una rete neurale singola e sono state realizzate strutture di classificazione multilivello gerarchiche basate sull’integrazione degli alberi di decisione e delle reti neurali. Per ciascuna architettura proposta sono previsti algoritmi di growing e di test specifici orientati alla minimizzazione dell’errore totale. A tale scopo vengono sfruttate due proprietà: la riduzione del numero di classi su cui è possibile scegliere e lo scambio di informazione tra i vari livelli che compongono la struttura. L’utilizzo di queste proprietà ha permesso di ridurre notevolmente il numero degli errori complessivamente commessi, come dimostrato da un’analisi probabilistica riportata in questa tesi. A sostegno della correttezza di quanto affermato, questi algoritmi hanno raggiunto buoni risultati sia nell’ambito del sistema di sorveglianza analizzato, sia in un problema di classificazione di immagini telerilevate S.A.R. (radar ad apertura sintetica). Infine è stato creato un classificatore multiplo basato sull’uso di reti neurali binarie in grado di distinguere, in ogni livello, tra tutte le macroclassi non sovrapposte (insiemi di due o più classi) realizzabili. Il dispositivo e’ organizzato in livelli e la crescita termina quando le macroclassi ne contengono una sola. I risultati ottenuti con quest’ultimo classificatore sono i migliori in assoluto tra quelli raggiunti con le varie tecniche presentate.