350 руб
Журнал «Электромагнитные волны и электронные системы» №7 за 2009 г.
Статья в номере:
Распознавание и классификация объектов полутоновых изображений на основе модифицированного корреляционного отношения
Ключевые слова: система распознавания образов классификация объектов полутоновых изображений мера сходства инвариантные информационные признаки
Авторы:
Л. В. Бокуть - к.т.н., доцент кафедры «Инженерная математика» Белорусского национального технического университета. Е-mail:blval@mail.ru А. Я. Кулешов - к.т.н., ст. научн. сотр. лаборатории обработки и распознавания изображений Объединенного института проблем информатики Национальной академии наук Беларуси, член Белорусской национальной ассоциации по анализу и распознаванию изображений и Международной ассоциации по распознаванию образов. Е-mail: ark@newman.bas-net.by
Аннотация:
Рассмотрен иерархический подход к построению систем распознавания образов, показано обучение без учителя и автоматическая классификация, метод классификации объектов полутоновых изображений по их контурному представлению с использованием пороговых показателей меры сходства; предложено модифицированное теоретическое корреляционное отношение, позволяющее определить меру сходства исследуемых объектов; в качестве инвариантных информационных признаков использованы весовые значения векторов направлений нормализованной векторной модели, разности которых определены с помощью коэффициента расположения вычитаемого вектора; приведены экспериментальные результаты классификации исследуемых объектов.
Страницы: 70-81
Список источников
  1. Гуревич И.Б. Проблема распознавания изображений // Распознавание, классификация, прогноз. Математические методы и их применение. М.: Наука, 1989. С. 280-329.
  2. Бокуть Л.В., Кулешов А.Я. Тематическая обработка полутоновых изображений // Электромагнитные волны и электронные системы. 2003. Т. 8. № 4. С. 33-43.
  3. Цифровая обработка сигналов и изображений в радиофизических приложениях / под ред. В.Ф. Кравченко.  М.:Физматлит. 2007.
  4. Айвазян С.А., Бухштабер К.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. Справочное издание / под ред. С.А. Айвазяна. М.: Финансы и статистика. 1989.
  5. Рязанов В.В. О построении оптимальных алгоритмов распознавания и таксономии (классификации) при решении прикладных задач // Распознавание, классификация, прогноз. Математические методы и их применение. М.: Наука. 1989. С. 229-279.
  6. Дасаратхи Б.В., Шила Б.В. Построение сложной системы распознавания образов: Теория и методика // Труды института инженеров по электротехнике и радиоэлектронике. 1979. Т. 67. № 5. C. 5-12.
  7. Павлидис Т. Иерархические методы в структурном распознавании образов // Труды института инженеров по электротехнике и радиоэлектронике. 1979. Т. 67. № 5. C. 39-49.
  8. Янковская А.Е., Гедике А. И., Аметов Р.В., Блейхер А.М. Инструментальное средство ИМСЛОГ-2002 для поддержки информационных технологий тестового распознавания образов // Тр. 6-й Междунар. конф. «Распознавание образов и анализ изображений: новые информационные технологии» (РОАИ-6-2002). В 2 т./ / отв. за вып. Е.И. Зайцева. НовГУ им. Ярослава Мудрого. Великий Новгород, 2002. T. 2. С. 636-640.
  9. Эндрюс Г. Применение вычислительных машин для обработки изображений. М.: Энергия. 1977.
  10. Журавлев Ю.И. Об алгебраических методах в задачах распознавания и классификации // Распознавание, классификация, прогноз. Математическиеметодыиихприменение. М.: Наука. 1989. С. 9-16.
  11. Samoshkin M.A., Kuleshov A.Ya., and Ablameiko S.V. Automation of the Input and Generation of Digital Models of Gray-Level Images // Pattern Recognition and image analysis. 1994. V. 4. № 1. P. 48-66.
  12. Абламейко С.В., Боричев С.П., Крючков А.Н. Алгоритм фильтрации изображений, использующий параллельные операции сдвига и сложения при свертке изображений с масками преобразования // Анализ цифровых изображений. Минск: ОИПИ НАН Беларуси. 2002. Вып. 1. С. 7-13.
  13. Коулмэн Г.Б., Эндрюс Х.С. Сегментация изображений при помощи автоматической классификации // Труды института инженеров по электротехнике и радиоэлектронике. 1979. Т. 67. № 5. С. 82-98.
  14. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир. 1976.
  15. Лапа В.Г. Математические основы кибернетики. Киев: Вища школа. 1971.
  16. Венецкий И.Г., Кильдишев Г.С. Основы теории вероятности и математической статистики. М.: Статитстика. 1968.
  17. Бокуть Л.В., Кулешов А.Я. Корреляционный анализ весовых значений векторов направлений //Теоретическая и прикладная механика. Минск: БНТУ. 2007. Вып. 22. С. 187-196.
  18. Абламейко С.В., Кулешов А.Я. Формирование параметрической модели объектов полутоновых изображений // Цифровая обработка изображений. Минск: ИТК НАН Беларуси. 1997. Вып. 1. С. 64-78.
  19. Кулешов А.Я. Автоматическая классификация объектов полутоновых изображений по весовым значениям векторов направлений, сглаженных методом скользящего среднего // Весцi Нацыянальнай акадэмii навук Беларусi. Сер. фiз.-тэхн. навук. 2000. № 1. С. 98-106.
  20. Кулешов А.Я. Нормализация векторной модели произвольно ориентированного и масштабированного объекта полутонового изображения // Весцi Нацыянальнай акадэмii навук Беларусi. Сер. фiз.-тэхн. навук. 1998. № 2. С. 80-85.
  21. Кулешов А.Я. Романчик В.Д. Классификация объектов полутоновых изображений при отсутствии обучающих выборок // Анализ цифровых изображений. Минск: Объединенный институт проблем информатики НАН Беларуси. 2002. Вып.1. С. 59-68.
  22. Абламейко С.В., Боричев С.П., Крючков А.Н., Кулешов А.Я. Идентификация контурных объектов на космических снимках // Материалы Первого Белорусского космического конгресса (28-30 октября 2003 г., Минск).  Минск: Объединенный институт проблем информатики Национальной академии наук Беларуси. 2003. C. 143-145.
  23. Раушенбах Г.В. Меры близости и сходства // Анализ нечисловой информации в социологических исследованиях. М.: Наука. 1985. C. 169-203.
  24. Абламейко С.В., Кулешов А.Я. Определение меры сходства контуров объектов, аппроксимированных дугами окружностей //. Тез. докл. 2-й Всероссийской с участием стран СНГ конференции «Распознавание образов и анализ изображений». М. 1995. Ч. 2. С. 53-56.
  25. Бокуть Л.В., Кулешов А.Я. Адаптивный алгоритм классификации объектов полутоновых изображений по весовым значениям векторов направлений, сглаженных методом скользящего среднего // Электромагнитные волны и электронные системы. 2001. Т. 6. № 2. С. 107-112.