Система распознавания элементов изображения

Доброго дня. на цьому етапі нам необхідно:

1. проаналізувати статичне зображення, знайти на ньому судини кон'юнктиви та "запам'ятати їх"

2. взяти кадр з відеопотоку, проаналізувати його, знайти судини кон'юнктиви, порівняти їх із п.1, знайти відповідність, зробити висновок щодо положення ока в п.2 у порівнянні з п.1 (кут ротації ока)

п.2 виконується для відео в реальному часі. можна на для кожного кадру, 1 раз на секунду влаштує. але це залежить від обчислювальної потужності - тобто можна дивитися по сутуації.

бажано було би аналізувати НЕ судини кон'юнктиви, а малюнок райдужки, проте це ще складніше через зміни малюнку під час розширення зіниці. хоча, нам ніхто не заважає спробувати, якщо будемо мати алгоритм розпізнавання судин кон'юнктиви

Це звичайна ситуація - на різних кадрах різні ділянки трішки відображаються по різному і складається загальне враження більш чіткого зображення. Ефект звісно можна використати на користь - складанням декількох кадрів до купи і вирізаючи з кожного те де перехід більш контрастний. 

Теоретично (як що питання саме теоретичне) взагалі скоріше  можливе чим ні. 

На скільки практично результат відповідатиме потребам чи матиме занадто великі похибки - ось це вже інше, більш цікаве питання.  

Трішки свою точку зору висловлю російською, що б мову не калічити та зміст не псувати.

п.2 в идеале все следует учитывать и зрачок (его границы самые четкие) и радужка и если есть четко выделенные сосуды, которые однозначно удается определить то и они тоже.

Соответственно в качестве стартовых параметров будет фото глаза или первый кадр с камеры, а далее в качестве точки отсчёта уже каждый кадр или каждый десятый кадр от камеры будет заменять начальный (предполагая что резких изменений за доли секунды в рисунке радужки и размере зрачка не произойдет).. плюс расстояние от камеры до глаза плюс диаметр глазного яблока если уж так совсем точно считать (по кадрам можно определить угловое расстояние на сколько сдвинулся глаз и в какую сторону - фактическое же,  зависит от расстояния до камеры, а уже от фактического и радиуса глаза можно считать угол его поворота)

п3. На сколько быстро меняется размер зрачка и рисунок радужки? Способен ли он измениться существенно за 1/10 или 1/25 секунды? Если нет, то базовый первый снимок просто меняется на новый и следующее вращение глазного яблока вычисляется относительно последнего кадра и прибавляется к предыдущему для получения абсолютного значения. Если способен то тогда да, надо думать лучше.

п4. Фото перед операцией и видео с камеры микроскопа выполняются различными камерами с разных расстояний или это одна и та же камера, просто до того как началась операция этой же камерой делается предварительное фото?

Камера микроскопа во время операции находится неподвижно, на одном и том же расстоянии от глаза?

Так, загальный алгоритм нейромережи приблизно можна і так описати. Хоч як що вже дуже прискіпливо то він дещо відрізняється від алгоритму роботи просто програми - за рахунок великого обсягу данних при навчанні стає дещо менш строгий і залежно від вхідних параметрів може комбінувати випадки і дії з огляду на статистику "як буває". Доречі за рахунок саме цього нейро-мережи більш гнучкі чим просто алгоритм "якщо-тоді", але й потребують більше часу для їх навчання, то б то налаштування параметрів 

То б то що я маю на увазі, кажучи про різницю між ПЗ класичним та нейромережею. Наведений алгоритм цілком лягає під класичне ПЗ.

Нейро-мережи працюють зовсім трішки інакше - на вхід подається параметри. У нашому випадку наприклад це відстані, радіуси, переміщення камери мікроскопу, якщо вони є і безпосередньо зображення.

Далі починається гра "відгадай відповідь". У процесі цієї гри ПЗ залежно від типу нейро-мережи чи перебирає та комбінує закладені алгоритми (не тільки наведені вами, а й зовсім примітивні, рівня простих алгебраїчних чи логічних операцій над параметрами), чи підбирає функцію перетворення цих параметрів у якісь значення (веса) для статичних алгоритмів, відкидаючи ті варіанти де результат хибний. І так шляхом проб підбирається чи вірний алгоритм чи вірні веса (параметри) для заздалегідь заданих функцій чи все разом, так повторюється аж доки всі відповіді що були при "навчанні", а також всі що надалі заданої у якості "екзамену" є цілком вірні, чи похибка задовольняє користувача.

Ось у цьому різниця між ПЗ й нейромережею - остання чи то за рахунок параметрів чи то за рахунок вибору комбінацій перетворень і алгоритмів, базуючись на статистиці модифікує дії і кінцевий алгоритм може дуже відрізняти від того як уявлялось спочатку. Фактично кінцевий алгоритм взагалі не закладається, а є результатом комбінаторіки з єдиною метою - що б відповідь на виході співпадала з тим що є насправді.

Отже немає сенсу розділяти нейро-мережи на мій погляд. Нейро-мережа фактично має бути одна.  Є вхідні параметри - є вихідні результати. Одна, відносно невелика за обсягом, з огляду на вузький профіль, нейро-мережа.