Повышение результативности и расширение функциональности современных систем компьютерного зрения требуют создания более эффективных методов обработки визуальной информации. Основные задачи структурного распознавания связаны с усовершенствованием информационных технологий классификации в пространстве описаний как множеств дескрипторов ключевых точек изображений, а также необходимостью оценивания действенности распознавания на прикладных образцах. Внимание уделяют изучению структуры данных для множества дескрипторов, что напрямую влияет на показатели функционирования систем распознавания. Цель работы - изучение особенностей кластерного представления для множества структурных признаков прикладной базы изображений и оценивание показателей эффективности применения кластерной модели в методах структурного распознавания визуальных объектов в плане получения компактного представления данных. Предложено методы распознавания на основе трансформации пространства структурных признаков путем кластеризации и применения кластерных характеристик базы эталонных изображений. Первый метод использует интегральное представление описаний эталонов, второй метод при отнесении структурного элемента к классу опирается на значение вектора статистического распределения в матричном пространстве кластер-эталон. Итогом исследования есть создание методов распознавания и моделей обработки данных в процессе построения векторов релевантности или характеристик классов в трансформированном пространстве признаков. За счет кластерного преобразования пространства структурных признаков сокращается объем вычислительных затрат, и в сотни раз улучшается быстродействие распознавания при сохранении нужной эффективности. Проведено сравнение методов SURF и ORB при формировании структурных признаков, время обработки методом ORB оказалось в 60 раз меньше. С другой стороны, множество дескрипторов SURF более точно отражает особенности формы визуальных объектов. Проведено моделирование и экспериментальные исследования предложенного метода распознавания в прикладной базе изображений. Подтверждена результативность метода в плане эффективности, получены сравнительные оценки качества распознавания в зависимости от уровня аддитивных помех для анализируемых вариантов обработки. Выводы: систематизированы и получены перспективные свойства систем распознавания в пространстве структурных признаков изображений. Разработанные методы классификации на основе кластерного описания обеспечивают достаточный уровень различения изображений и высокую помехоустойчивость. Научная новизна исследования состоит в синтезе метода структурного распознавания изображений путем применения кластерной обработки и построения классифицирующих решений в пространстве кластер-эталон. Переход к векторно-кластерному виду существенно повышает быстродействие распознавания за счет упрощения обработки.

  Повний текст PDF - 618.66 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"