ДОСЛІДЖЕННЯ СИСТЕМИ ІЄРАРХІЧНИХ ОЗНАК ПРИ БЛОЧНОМУ ПОДАННІ ОПИСУ У СКЛАДІ МНОЖИНИ КЛЮЧОВИХ ТОЧОК ЗОБРАЖЕННЯ
Ключові слова:
структурні методи розпізнавання зображень, ключова точка, детектор ORB, дескриптор, розподіл даних фрагменту, релевантність описів, манхеттенська метрика, швидкодія визначення релевантності
Анотація
Предметом досліджень статті є ієрархічні моделі для встановлення ступеня релевантності описів зображень при розпізнаванні візуальних об’єктів у системах комп’ютерного зору. Метою є розроблення модифікації методу структурного розпізнавання на підставі впровадження блокових моделей даних із інтегруванням ймовірнісних розподілів. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією ієрархічного оброблення даних при визначенні релевантності структурних описів, вивчення властивостей цих моделей, оцінювання результативності при обробленні зображень. Застосовуваними методами є: детектор ORB для формування дескрипторів ключових точок, інтелектуальний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані такі результати. Перехід від опису множин дескрипторів до розподілів фрагментів, побудова ієрархічних ознак забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у кілька разів швидше, ніж на підставі розподілів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження блочної структури опису із використанням інтегрованих значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності, підтвердження результативності запропонованих ієрархічних ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації системах комп’ютерного зору.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Гороховатский В.А. Структурный анализ и интеллектуальная обработка данных в компьютерном зрении / В.А. Гороховатский. – Х.: Компания СМИТ, 2014. – 316 с.
2. Gorokhovatsky, V.O. and Gadetska, S.V., (2019) Determination of Relevance of Visual Object Images by Application of Statistical Analysis of Regarding Fragment Representation of their Descriptions, Telecommunications and Radio Engineering, 78 (3), pp. 211–220.
3. 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. – pp. 1271–1283.
4. Stefan Leutenegger, Margarita Chli, Roland Y. Siegwart. BRISK: Binary Robust Invariant Scalable Keypoints. – Computer Vision (ICCV), pp. 2548 – 2555, 2011.
5. Гороховатський В.О. Статистичні розподіли та ланцюжкове подання даних при визначенні релевантності структурних описів візуальних об’єктів / В.О. Гороховатський, С.В. Гадецька, Р.П. Пономаренко // Системи управління, навігації та зв’язку. – 2018. – №6 (52). – C. 87–92.
6. Sivaram, M., Porkodi, V., Mohammed, A.S., Manikandan V. Detection of Accurate Facial Detection Using Hybrid Deep Convolutional Recurrent Neural Network. ICTACT Journal on Soft Computing. 2019. Vol. 09, Issue 02. pp. 1844-1850. DOI: 10.21917/ijsc.2019.0256
7. Yogesh Awasthi, R P Agarwal, B K Sharma, "Intellectual property right protection of browser based software through watermarking technique", International Journal of Computer Applications, vol. 97, no. 12, 2014, pp. 32-36.
8. Yogesh Awasthi, R P Agarwal, B K Sharma, "Two Phase Watermarking for Security in Database", International Journal of Computing, vol. 4, no. 4, 2014, pp. 821-824.
9. Rublee, E., Rabaud, V., Konolige, K., and Bradski, G., (2011) ORB: an efficient alternative to SIFT or SURF, IEEE International Conference on Computer Vision (ICCV), Proceedings, pp. 2564-2571.
10. Шапиро Л. Компьютерное зрение/ Л. Шапиро, Дж. Стокман.; пер. с англ. – М.: БИНОМ. Лаборатория знаний, 2006. – 752 с.
11. Прохоренок Н.А. OpenCV и Java. Обработка изображений и компьютерное зрение / Н. Прохоренок. – СПб.: БХВПетербург, 2018. – 320 с.
12. Adelson E.H. Pyramid methods in image processing [Електронний ресурс] / E. Adelson, C. Anderson, J. Bergen, P. Burt, J. Ogden // RCA Engeneer. – Vol. 29(6), pp. 33-41. Режим доступу: http://persci.mit.edu/pub_pdfs/RCA84.pdf
2. Gorokhovatsky, V.O. and Gadetska, S.V., (2019) Determination of Relevance of Visual Object Images by Application of Statistical Analysis of Regarding Fragment Representation of their Descriptions, Telecommunications and Radio Engineering, 78 (3), pp. 211–220.
3. 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. – pp. 1271–1283.
4. Stefan Leutenegger, Margarita Chli, Roland Y. Siegwart. BRISK: Binary Robust Invariant Scalable Keypoints. – Computer Vision (ICCV), pp. 2548 – 2555, 2011.
5. Гороховатський В.О. Статистичні розподіли та ланцюжкове подання даних при визначенні релевантності структурних описів візуальних об’єктів / В.О. Гороховатський, С.В. Гадецька, Р.П. Пономаренко // Системи управління, навігації та зв’язку. – 2018. – №6 (52). – C. 87–92.
6. Sivaram, M., Porkodi, V., Mohammed, A.S., Manikandan V. Detection of Accurate Facial Detection Using Hybrid Deep Convolutional Recurrent Neural Network. ICTACT Journal on Soft Computing. 2019. Vol. 09, Issue 02. pp. 1844-1850. DOI: 10.21917/ijsc.2019.0256
7. Yogesh Awasthi, R P Agarwal, B K Sharma, "Intellectual property right protection of browser based software through watermarking technique", International Journal of Computer Applications, vol. 97, no. 12, 2014, pp. 32-36.
8. Yogesh Awasthi, R P Agarwal, B K Sharma, "Two Phase Watermarking for Security in Database", International Journal of Computing, vol. 4, no. 4, 2014, pp. 821-824.
9. Rublee, E., Rabaud, V., Konolige, K., and Bradski, G., (2011) ORB: an efficient alternative to SIFT or SURF, IEEE International Conference on Computer Vision (ICCV), Proceedings, pp. 2564-2571.
10. Шапиро Л. Компьютерное зрение/ Л. Шапиро, Дж. Стокман.; пер. с англ. – М.: БИНОМ. Лаборатория знаний, 2006. – 752 с.
11. Прохоренок Н.А. OpenCV и Java. Обработка изображений и компьютерное зрение / Н. Прохоренок. – СПб.: БХВПетербург, 2018. – 320 с.
12. Adelson E.H. Pyramid methods in image processing [Електронний ресурс] / E. Adelson, C. Anderson, J. Bergen, P. Burt, J. Ogden // RCA Engeneer. – Vol. 29(6), pp. 33-41. Режим доступу: http://persci.mit.edu/pub_pdfs/RCA84.pdf
Опубліковано
2019-04-11
Як цитувати
Gorokhovatskyi V. Дослідження системи ієрархічних ознак при блочному поданні опису у складі множини ключових точок зображення / V. Gorokhovatskyi, D. Rudenko, SirykТ. // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2019. – Т. 2 (54). – С. 69-73. – doi:https://doi.org/10.26906/SUNZ.2019.2.069.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
