APPLICATION OF STATISTICAL RELEVANCE MEASURES FOR VECTORAL STRUCTURAL DESCRIPTIONS OF OBJECTS IN IMAGE CLASSIFICATION PROBLEM
DOI:
https://doi.org/10.26906/SUNZ.2018.4.062Keywords:
computer vision, structural recognition, descriptors of special image points, cluster representation of description, statistical measure of relevance, Bayesian classifier, metric classifier, Kulbak-Leibler divergenceAbstract
The problem of image classification in the space of attributes of descriptors of singular points is solved with representation of the description in cluster form and using of statistical measures to calculate relevance of descriptions. The analysis of specific application feature of statistical and metric classifiers in determining the level of relevance of structural descriptions is performed. Comparison of the characteristics of relevance measures on the calculated examples is performed. Kullback- Leibler divergence was proposed to use as a universal and effective measure for the classification problem. The effectiveness of the proposed approach for application image dataset was confirmed. The scientific novelty of the research is to develop the method of structural recognition of images based on the cluster description of the set of descriptors of special points by using the apparatus of statistical measures to determine the relevance of the analyzed and reference data and the construction of classifications in the space cluster - standard. Practical significance of work - to obtain applied calculation models for the application of classification methods and confirm their effectiveness in specific examples of image databases.Downloads
References
Гороховатский В. А. Структурный анализ и интеллектуальная обработка данных в компьютерном зрении / В. А. Гороховатский. – Х.: Компания СМИТ, 2014. – 316 с.
Duda R. O. Pattern classification / Duda R. O., Hart P. E., Stork D. G. – 2ed., Wiley, 2000.–738 p.
Szeliski R. Computer Vision: Algorithms and Applications / R. Szeliski. – London: Springer, 2010. – 979 p.
Гороховатский В. А. Исследование результативности структурных методов классификации изображений с применением кластерной модели данных / В. А. Гороховатский, Е. П. Путятин, В. С. Столяров // Радиоэлектроника, информатика, управление. – 2017. – №3 (42). – C. 78–85.
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.
Ампилова Н. Б. Применение расхождения Реньи к анализу и классификации изображений. / Н. Б. Ампилова, В. Д. Сергеев, И. П. Соловьев. [Электронный ресурс]. – Режим доступа: https://lib.herzen.spb.ru/media/magazines/contents/1/176/ampilova_176_35_44.pdf.
Кульбак С. Теория информации и статистика / С. Кульбак. – М.: Наука, 1967. – 408 с.
Айвазян С. А. Прикладная статистика: Основы моделирования и первичная обработка данных / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. – М.: Финансы и статистика, 1983. – 471 с.
Гуров С. И. Как оценить надежность алгоритма классификации / С. И. Гуров // Таврический вестник информатики и математики. – Симферополь: КНЦ НАН Украины. – 2002, № 1. – С.27 – 56.
Гонсалес Р. Цифровая обработка изображений/ Р. Гонсалес, Р. Вудс. – М.: Техносфера, 2005. – 1070 с.
Феллер В. Введение в теорию вероятностей и ее приложения. Т. 1 / В. Феллер. – М.: Мир, 1984.– 528 с.
Фукунага К. Введение в статистическую теорию распознавания образов / К. Фукунага. – М.: Наука, 1979. –367с.
Худов В. Г. Оцінка якості сегментування оптико-електронного зображення шляхом оцінки комплексних показників на відстані Кульбака-Лейблера / В. Г. Худов, О. М. Маковейчук, І. А. Хижняк // Системи обробки інформації. – 2017. – Випуск 4 (150). – С. 27 – 30.
Radu Stoica. Indexing and Retrieval in Multimedia Libraries Through Parametric Texture Modeling using the 2D Wold Decomposition. [Электронный ресурс]. – Режим доступа: https://hal.inria.fr/inria00073085/document.
David J. C. MacKay. Information Theory, Inference, and Learning Algorithms. [Электронный ресурс]. – Режим доступа:http://www.inference.org.uk/itprnn/book.pdf.
Бочаров П. П. Теория вероятностей. Математическая статистика / П. П. Бочаров, А. В. Печинкин. – М.: ФИЗМАТГИЗ, 2005. – 296 с.
Гороховатський В. О. Аналіз властивостей, характеристик та результатів застосування новітніх детекторів для визначення особливих точок зображення / В. О. Гороховатський, Д. В. Пупченко, К. Г. Солодченко // Системи управління, навігації та зв’язку. –2018. – №1 (47). – C. 93–98.
Савченко А. В. Распознавание изображений методом направленного перебора на основе принципа минимума информационного рассогласования / А. В. Савченко // Вестник Нижегородского университета им. Н. И. Лобачевского. – 2010. – №2. –С.211-216..
