СТАТИСТИЧНІ РОЗПОДІЛИ ТА ЛАНЦЮЖКОВЕ ПОДАННЯ ДАНИХ ПРИ ВИЗНАЧЕННІ РЕЛЕВАНТНОСТІ СТРУКТУРНИХ ОПИСІВ ВІЗУАЛЬНИХ ОБ’ЄКТІВ
Ключові слова:
структурні методи розпізнавання зображень, ключова точка, детектор BRISK, ланцюгове подання, розподіл даних фрагменту, спільний дескриптор, релевантність описів, голосування, манхеттенська метрика, швидкодія визначення релевантності
Анотація
Предметом досліджень статті є моделі для встановлення рівня релевантності зображень у просторі розподілів для дескрипторів ключових точок при розпізнаванні візуальних об’єктів у системах комп’ютерного зору. Метою є створення методу структурного розпізнавання зображень на підставі впровадження ланцюжкових моделей даних із використанням ймовірнісних розподілів множини дескрипторів. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією аналізу даних при визначенні релевантності структурних описів, вивчення властивостей, атрибутів застосування, значень параметрів цих моделей, оцінювання результативності за наслідками оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, апарат інтелектуального аналізу даних, методи побітового оброблення та побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані такі результати. Перехід від опису множин дескрипторів до ймовірнісних розподілів фрагментів і зіставлення образів у просторі розподілів забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у сотні разів швидше, ніж традиційний підрахунок голосів. Оброблення та аналіз сполучень бітів формує значимі властивості для сукупності елементів опису зі збереженням структури даних і їх уніфікації. Зі збільшенням числа бітів у фрагменті розподілу зростає відстань між зображеннями, що сприяє збільшенню ступеня їх розрізнення. Ланцюговим поданням та застосуванням розподілів створюється новий простір даних, що дає можливість суттєво покращити показники функціонування систем розпізнавання зображень. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження узагальненої ланцюгової структури опису із використанням значень розподілу для фрагментів множини дескрипторів ключових точок, що змістовно відображають властивості зображень об’єктів і забезпечують результативне розпізнавання. Практична значущість – досягнення суттєвого рівня підвищення швидкодії обчислення релевантності, підтвердження результативності запропонованих модифікацій на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації в системах комп’ютерного зору.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Szeliski R. Computer Vision: Algorithms and Applications / R. Szeliski. – London: Springer, 2010. – 979 p.
2. Gadetska S.V. Statistical Measures for Computation of the Image Relevance of Visual Objects in the Structural Image Classification Methods / S.V. Gadetska, V.O. Gorokhovatsky // Telecommunications and Radio Engineering. – 2018, Vol. 77 (12), pp. 1041–1053.
3. Han, J. Data Mining: Concepts and Techniques / J. Han, M. Kamber. – Amsterdam e.a.: Morgan Kaufmann Publishers, 2006. – 754 p.
4. Gorokhovatskyi V.A. Image Classification Methods in the Space of Descriptions in the Form of a Set of the Key Point Descriptors / V.A. Gorokhovatskyi // Telecommunications and Radio Engineering. – 2018, 77 (9), pp. 787-797.
5. Stefan Leutenegger, Margarita Chli, Roland Y. Siegwart. BRISK: Binary Robust Invariant Scalable Keypoints. – Computer Vision (ICCV), pp. 2548 – 2555, 2011.
6. 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. – 2018. – №2 (48). – C. 63–67.
7. Баклицкий В.К. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации/ В.К. Баклицкий, А.М. Бочкарев, М.П. Мусьяков. – М.: Радио и связь, 1986. – 216 с.
8. Путятин Е.П. Обработка изображений в робототехнике / Е.П. Путятин, С.И. Аверин. – М.: Машиностроение, 1990. – 320 с.
9. R.O. Duda, P.E.Hart and D.G. Stork, “Pattern classification”, Wiley, 2008, 738 p.
10. Гороховатский В.А. Структурный анализ и интеллектуальная обработка данных в компьютерном зрении: монография / В.А. Гороховатский. – Х.: Компания СМИТ, 2014. – 316с.
2. Gadetska S.V. Statistical Measures for Computation of the Image Relevance of Visual Objects in the Structural Image Classification Methods / S.V. Gadetska, V.O. Gorokhovatsky // Telecommunications and Radio Engineering. – 2018, Vol. 77 (12), pp. 1041–1053.
3. Han, J. Data Mining: Concepts and Techniques / J. Han, M. Kamber. – Amsterdam e.a.: Morgan Kaufmann Publishers, 2006. – 754 p.
4. Gorokhovatskyi V.A. Image Classification Methods in the Space of Descriptions in the Form of a Set of the Key Point Descriptors / V.A. Gorokhovatskyi // Telecommunications and Radio Engineering. – 2018, 77 (9), pp. 787-797.
5. Stefan Leutenegger, Margarita Chli, Roland Y. Siegwart. BRISK: Binary Robust Invariant Scalable Keypoints. – Computer Vision (ICCV), pp. 2548 – 2555, 2011.
6. 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. – 2018. – №2 (48). – C. 63–67.
7. Баклицкий В.К. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации/ В.К. Баклицкий, А.М. Бочкарев, М.П. Мусьяков. – М.: Радио и связь, 1986. – 216 с.
8. Путятин Е.П. Обработка изображений в робототехнике / Е.П. Путятин, С.И. Аверин. – М.: Машиностроение, 1990. – 320 с.
9. R.O. Duda, P.E.Hart and D.G. Stork, “Pattern classification”, Wiley, 2008, 738 p.
10. Гороховатский В.А. Структурный анализ и интеллектуальная обработка данных в компьютерном зрении: монография / В.А. Гороховатский. – Х.: Компания СМИТ, 2014. – 316с.
Опубліковано
2018-12-13
Як цитувати
Gorokhovatskyi V. Статистичні розподіли та ланцюжкове подання даних при визначенні релевантності структурних описів візуальних об’єктів / V. Gorokhovatskyi, S. Gadetska, R. Ponomarenko // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2018. – Т. 6 (52). – С. 87-92. – doi:https://doi.org/10.26906/SUNZ.2018.6.087.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
