Забезпечення результативності та багатофункціональності сучасних систем комп'ютерного зору вимагає створення різноманіття ефективних методів інтелектуального оброблення візуальної інформації. Розвиток систем структурного розпізнавання безпосередньо пов'язаний як із побудовою нових ефективних методів, так і з необхідністю створення дієвого механізму оцінювання результативності таких методів для довільних прикладних зразків візуальних даних. Одним із засобів, що базуються на статистичних характеристиках структурних даних, є апарат баєсовської теорії прийняття рішень. Обчислення апостеріорних ймовірностей віднесення опису візуального об'єкта до множини еталонів дає можливість як безпосередньо здійснювати розпізнавання на їх підставі, так і попередньо оцінити результативність процедур порівняння чи обчислення релевантності описів стосовно конкретної прикладної бази зображень. Особливу увагу приділяють вивченню структури множини дескрипторів зображень, що безпосередньо впливає на показники функціонування систем розпізнавання. Мета роботи - вивчення можливості та особливостей застосування статистичної теорії розпізнавання щодо механізму прийняття рішень та оцінювання ефективності у виді ймовірностей віднесення опису об'єкта до класу, а також порівняння отриманих результатів обчислень із експериментальними даними комп'ютерного моделювання. Запропоновано метод розпізнавання на основі застосування кластерних характеристик бази еталонних зображень із використанням баєсовської теорії прийняття рішень. Підсумком дослідження є створення механізму розпізнавання та оцінювання результативності процедур обчислення релевантності структурних описів. Головним результатом статті є підтвердження фундаментального зв'язку методів порівняння з еталоном та статистичного підходу у розпізнаванні образів стосовно структурних описів у вигляді множини характерних ознак зображень, які результативно представлено кластерним виглядом. Запропонований у роботі більш простий в аспекті обчислювальних витрат статистичний підхід на підставі баєсовських оцінок може застосовуватися для попередніх розрахунків ефективності розпізнавання без проведення затратних експериментів з програмного моделювання. Засвідчено ефективність розробленого методу обчислення ймовірнісних оцінок розпізнавання для прикладних баз зображень. Результат класифікації продемонстрував універсальність та коректність застосування методу, кожний із тестових об'єктів у декількох розглянутих базах зображень розпізнаний правильно. Здійснено порівняння отриманих кількісних результатів обчислень із експериментальними даними комп'ютерного моделювання. Висновки: у проведеному дослідженні запропоновано метод структурної класифікації зображень на основі кластерного подання опису засобами баєсовської теорії прийняття рішень. Основна ідея застосування належного математичного апарату полягає у віднесенні аналізованого об'єкту до еталону, що має найбільше значення апостеріорної ймовірності. Розроблений метод забезпечує достатній рівень розрізнення зображень, що підтвердили описані розрахунки та результати моделювання. Впроваджено механізм оцінювання результативності аналізованих методів структурного розпізнавання в межах прикладної бази зображень.

  Повний текст PDF - 598.899 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"