Устойчивые дескрипторы в задачах распознавания изображений

Цель. Целью исследования является определение различных устойчивых характеристик изображений (полуинварианты и инварианты) как дескрипторы, необходимые для формирования признакового пространства эталонов, предназначенных для распознавания образов различной природы относящихся к различным классам объектов. Метод. В качестве методических основ, лежащих в построении методов распознавания образов, предлагаются метрики оценки близости распознаваемого изображения к заданному эталону в пространстве матриц ковариаций, опирающиеся на полученные дескрипторы. Результат. Разработано содержание основных этапов выделения дескрипторов заданного класса объектов с учетом различной освещенности распознаваемых изображений. Эффективность полученных результатов подтверждается проведенными экспериментальными исследованиями, связанными с решением задачи распознавания специальных снимков - фаций. Выводы. Определение устойчивых дескрипторов изображения как инвариантов или полуинвариантов к преобразованиям масштабирования и яркости позволяет решать задачи классификации фаций в условиях нестабильности съемки распознаваемых изображений. При этом изображения могут быть повернуты и сдвинуты произвольным образом. В целом предложенный подход позволяет разработать эффективную систему распознавания образов при наличии различного рода помех на распознаваемых изображениях.

1. Винберг Э.Б., Попов В.Л. Теория инвариантов. - Итоги науки и техн. Сер. Соврем. пробл. мат. Фуадам. направления, 1989, том 55, с.137 - 309.

2. Дьёдонне Ж., Керрол Дж., Мамфорд Д. Геометрическая теория инвариантов. М.: Мир, 1974. 278 с.

3. Зубков А.Н. Обзор по теории инвариантов и ее приложениям // Прикладная математика и фундаментальная информатика. 2014. №1. C. 45 - 49.

4. Абрамов Н.С., Хачумов В.М. Распознавание на основе инвариантных моментов // Вестник Российского университета дружбы народов. Серия: Математика, информатика, физика. 2014. №2, С.142 -149.

5. Абрамов Н.С., Фраленко В.П. Определение расстояний на основе системы технического зрения и метода инвариантных моментов // Информационные технологии и вычислительные системы. 2014. №4. С.32 -39.

6. Хачумов М.В. Инвариантные моменты и метрики в задачах распознавания графических образов // Современные наукоемкие технологии. 2020. №4, Ч.1. С. 69 - 77.

7. Трушков В.В., Хачумов В.М. Определение ориентации объектов в трехмерном пространстве // Автометрия. 2008. Т.44. №3. С. 75 - 79.

8. Методы компьютерной обработки изображений / Под ред. Сойфер В.А. М.: Физматлит, 2003. 784 с.

9. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1991. 400 с.

10. Мажуга В.В., Хачумов М.В. Алгоритмы обработки изо бражений для классификации состояний биологических систем // Информационные технологии и вычислительные системы. 2012. № 2. С.54 -3.

11. NTSC. - http://en.wikipedia.org/wiki/NTSC

12. Хачумов М.В. Расстояния, метрики и кластерный анализ // Искусственный интеллект и принятие решений/ № 1, 2012. C. 81 - 89.

13. Хачумов М.В. Применение нейрона и расстояния Евклида-Махаланобиса в задаче бинарной классификации // Наука и современность. 2010. №2-3. С. 82-86.

14. Forstner V., Moonen B. A metric for covariance matrices. - Technical report, Dep. Of Geodesy and Geoinformatics, Stuttgart, 1999, pp. 113-128.