Search academic texts

Information × Registration Number 2117U006231, Article popup.category Опубліковано, Стаття Title RESEARCH OF EFFECTIVENESS OF STRUCTURAL IMAGE CLASSIFICATION METHODS USING CLUSTER DATA MODEL popup.author Гороховатський В. О.Путятін Є. П.Столяров В. С.Gorokhovatsky V. A.Putyatin Y. P.Stolyarov V. S. popup.publication 30-11-2017 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/115415 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Підвищення результативності та розширення функціональності сучасних систем комп’ютерного зору вимагають створення більш ефективних методів обробки візуальної інформації. Основні завдання структурного розпізнавання пов’язані з удосконаленням інформаційних технологій класифікації в просторі описів як множин дескрипторів ключових точок зображень, а також необхідністю оцінювання дієвості розпізнавання на прикладних зразках. Особливу увагу приділяють вивченню структури даних для множини дескрипторів, що безпосередньо впливає на показники функціонування систем розпізнавання.Мета. Вивчення особливостей кластерного уявлення для множини структурних ознак прикладної бази зображень і оцінювання показників ефективності застосування кластерної моделі в методах структурного розпізнавання візуальних об’єктів в плані отримання компактного подання даних.Метод. Запропоновано методи розпізнавання на основі трансформації простору структурних ознак шляхом кластеризації і застосування кластерних характеристик бази еталонних зображень. Перший метод використовує інтегральне уявлення описів еталонів, другий метод при віднесенні структурного елементу до класу спирається на значення вектора статистичного розподілу в матричному просторі кластер-еталон. Підсумком дослідження є створення методів розпізнавання і моделей обробки даних в процесі побудови векторів релевантності або характеристик класів в трансформованому просторі ознак.Результати. За рахунок кластерного перетворення простору структурних ознак скорочується обсяг обчислювальних витрат, і в сотні разів поліпшується швидкодія розпізнавання при збереженні потрібної ефективності. Проведено порівняння методів SURF і ОРБ при формуванні структурних ознак, час оброблення методом ОРБ виявився в 60 разів менше. З іншого боку, множина дескрипторів SURF більш точно відображає особливості форми візуальних об’єктів. Проведено моделювання та експериментальні дослідження запропонованого методу розпізнавання для прикладної бази зображень. Підтверджено результативність методу в плані ефективності, отримані порівняльні оцінки якості розпізнавання в залежності від рівня адитивних перешкод для аналізованих варіантів обробки.Висновки. У проведеному дослідженні отримані і систематизовані перспективні властивості систем розпізнавання у просторі структурних ознак зображень. Розроблені методи класифікації на основі кластерного опису забезпечують достатній рівень розрізнення зображень і високу стійкість перед перешкодами. Наукова новизна дослідження полягає в синтезі методу структурного розпізнавання зображень шляхом застосування кластерної обробки і побудови класифікаційних рішень у просторі кластер-еталон. Перехід до векторно-кластерного подання істотно підвищує швидкодію розпізнавання за рахунок спрощення обробки. Практична значущість роботи – отримання прикладних програмних моделей для модифікацій методу структурного розпізнавання і підтвердження результативності та завадостійкості запропонованої обробки в конкретних прикладах базах зображень. popup.nrat_date 2026-02-09 Close