ДОСЛІДЖЕННЯ РЕЗУЛЬТАТИВНОСТІ ЗАСТОСУВАННЯ ОЗНАК РОЗПОДІЛІВ ДАНИХ ДЛЯ ОБЧИСЛЕННЯ РЕЛЕВАНТНОСТІ ОПИСІВ ЗОБРАЖЕНЬ
DOI:
https://doi.org/10.26906/SUNZ.2020.1.068Ключові слова:
комп’ютерний зір, структурні методи класифікації зображень, ключова точка, детектор ORB, дескриптор, розподіл даних фрагменту, релевантність описів, манхеттенська метрика, швидкодія класифікаціїАнотація
Предметом досліджень статті є моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об’єктів у системах комп’ютерного зору. Метою є дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовані методи: детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані результати. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зоруЗавантаження
Посилання
Гороховатский В.А. (2014) Структурный анализ и интеллектуальная обработка данных в компьютерном зрении, Харьков, Компания СМИТ, 316 с.
Гороховатський В.О., Гадецька С.В., Пономаренко Р.П. (2018) Статистичні розподіли та ланцюжкове подання даних при визначенні релевантності структурних описів візуальних об’єктів. Системи управління, навігації та зв’язку, No6 (52), с. 87–92.
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. – doi: 10.1615/TelecomRadEng.v78.i3.20.
Гороховатский В.А., Ересько Ю.Н., Путятин Е.П., Стрельченко В.И. (1990) Локализация объектов на изображениях визуальных сцен. Автометрия, No6, с. 3-7.
Gorokhovatsky V.A., Gorokhovatsky A. V., Berestovsky A.Ye. (2016) Intellectual Data Processing and Self-Organization of Structural Features at Recognition of Visual Objects. Telecommunications and Radio Engineering, vol. 75, No 2. – P. 155–168.
Gorokhovatskiy V.A. (2011) Compression of Descriptions in the Structural Image Recognition. Telecommunications and Radio Engineering, vol. 70, No 15. – р. 1363–1371.
Гороховатський В.О., Руденко Д.О., Сірик Т.О. (2019) Дослідження системи ієрархічних ознак при блочному поданні опису у складі множини ключових точок зображення. Системи управління, навігації та зв’язку, No2 (54), с. 69–73. – doi: 10.26906/SUNZ.2019.1.003.
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.
Вадзинский Р. (2008) Статистические вычисления в среде EXCEL. Библиотека пользователя, СПб., 608 с.
Прохоренок Н.А. OpenCV и Java. (2018), Обработка изображений и компьютерное зрение, СПб., БХВ-Петербург, 320 с.
OpenCV Open Source Computer Vision [Електронний ресурс] – Режим доступу до ресурсу: https://docs.opencv.org/master/index.html.
Зображення нових монет Національного банку України [Електронний ресурс]. – Режим доступу до ресурсу: https://telegraf.design/news/natsionalnij-bank-prezentuvav-novi-obigovi-moneti.
Vinay, A., Cholin, A.S., Bhat, A.D., Murthy, K.B., Natarajan, S. (2018) An Efficient ORB based Face Recognition framework for Human-Robot Interaction. Procedia Computer Science 2018, 133, 913–923.
Y Zhang, C Li, C Cao et al. (2018) An Improved ORB Feature Point Matching Algorithm. Proceedings of the 2018 2nd International Conference on Computer Science and Artificial Intelligence, pp. 207-211.
Bian J, Lin W Y, Matsushita Y et al. (2017) GMS: Grid-Based Motion Statistics for Fast, Ultra-Robust Feature Correspondence. IEEE Conference on Computer Vision and Pattern Recognition (CVPR).
Мариношенко А. П. (2018) Использование методов особых точек с целью улучшения идентификации и детектирования навигационных сигналов. Молодий вчений. — 2018. — No4.
Гороховатский В.А. (2008) Иерархия пространственных отношений структурных признаков в задачах сопоставления визуальных объектов. Системи управління, навігації та зв’язку: зб. наук. пр., 3(7), с. 85–89.
Porter, F.C. (2008) Testing Consistency of Two Histograms. ArXiv e-prints, pp. 1–35.
