Metody syntezy informacji obrazowej z wielu źródeł

W pracy zaprezentowano wnioskowania bayesowskie oraz algorytm Dempstera - Shafera do syntezy informacji. Przedstawiono podstawy i cele syntezy informacji. Omówiono syntezę danych z kilku źródeł wiedzy oraz wskazano na reguły decyzyjne niezbędne do realizacji wnioskowania. Omówiono algorytm Dempstera - Shafera, który pozwala na realizację syntezy informacji metodami statystycznymi.

---

Application of Bayes’ rule in data synthesis systems is very promising on account of the possibility of including a’priori information gathered in the course of designing the system in data classification outcome. This information, which is of statistical character, allows for obtaining good classification outcomes provided that its selection is proper. The Dempster-Shafer theory enables efficient realization of data synthesis in the process of modern recognition conducted within multi-sensor system. The knowledge of probabilities with which each sensor is able to assign the object observed to one of probable classes is nevertheless indispensable. Maximum efficiency of the system is basically dependent on proper selection of classification in particular conversion chains generating, if possible, declarations which do not exclude each other with possibly high probability.