ЗАСТОСУВАННЯ АПАРАТУ АНАЛІЗУ ТА ОБРОБЛЕННЯ БІТОВИХ ДАНИХ У МЕТОДАХ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ ЗА МНОЖИНОЮ КЛЮЧОВИХ ТОЧОК

  • В. О. Гороховатський
  • К. Г. Солодченко
Ключові слова: комп’ютерний зір, структурне розпізнавання, особливі точки зображення, детектор BRISK, дескриптори особливих точок, метод бінарного аналізу, матриця відстаней, база зображень, програмне моделювання, критерій правильної класифікації

Анотація

Вирішена задача структурного розпізнавання візуальних об’єктів на підґрунті описів у вигляді множини ключових точок зображення. Запропоновано метод бінарного аналізу множин дескрипторів опису для формування центрів класів з метою класифікації у межах заданої бази еталонів. Обговорюються критерії оцінювання ефективності класифікації. Проведено програмне моделювання та дослідження методу у порівнянні з медіанними центрами, отримано підтвердження результативності розробленого методу для прикладної бази зображень.

Завантаження

Дані про завантаження поки що недоступні.

Посилання

1. Гороховатский В.А. Исследование результативности структурных методов классификации изображений с применением кластерной модели данных / В.А. Гороховатский, Е.П. Путятин, В.С. Столяров // Радиоэлек- троника, информатика, управление. – 2017. – №3 (42). – C. 78–85.
2. Гороховатский В.А. Структурный анализ и интеллектуальная обработка данных в компьютерном зрении / В.А. Гороховатский. – Х.: Компания СМИТ, 2014. – 316 с.
3. Duda R.O. Pattern classification / Duda R.O., Hart P.E., Stork D.G. – 2ed., Wiley, 2000.–738p.
4. Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski. ORB: an efficient alternative to SIFT or SURF. – Computer Vision (ICCV), IEEE International Conference on IEEE, pp. 2564 – 2571, 2011.
5. Stefan Leutenegger, Margarita Chli, Roland Y. Siegwart. BRISK: Binary Robust Invariant Scalable Keypoints. – Computer Vision (ICCV), pp. 2548 – 2555, 2011.
6. Gorokhovatsky V.A. Efficient Estimation of Visual Object Relevance during Recognition through their Vector Descriptions / V.A. Gorokhovatsky // Telecommunications and Radio Engineering. – 2016, Vol. 75, No 14. – P. 1271–1283.
7. Осовский С. Нейронные сети для обработки информации / С. Осовский. – М.: Финансы и статистика, 2002. – 344 с.
8. Кохонен Т. Самоорганизующиеся карты / Т. Кохонен. – М.: БИНОМ. Лаборатория знаний, 2013. – 655 с.
9. Shapiro, L. and Stockman, G., (2001), Computer vision, Prentice Hall. – 625 p.
10. OpenCV Open Source Computer Vision. [Электронный ресурс]. – Режим доступа: https://docs.opencv.org/master/index.html, свободный. – За-гл. с экрана.
11. Солонина А.И. Алгоритмы и процессоры цифровой обработки сигналов / А.И. Солонина, Д.А. Улахович, Л.А. Яковлев. – СПб. : БХВ-Петербург, 2001. – 464 с.
Опубліковано
2018-04-11
Як цитувати
Гороховатський В.О. Застосування апарату аналізу та оброблення бітових даних у методах класифікації зображень за множиною ключових точок / В.О. Гороховатський, К.Г. Солодченко // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2018. – Т. 2 (48). – С. 63-67. – doi:https://doi.org/10.26906/SUNZ.2018.2.063.
Розділ
Інформаційні технології