Публікація:
Методи і моделі толерантної кластеризації у колекціях зображень

Завантаження...
Зображення мініатюри

Дата

2016

Назва журналу

ISSN журналу

Назва тома

Видавництво

Дослідницькі проекти

Організаційні підрозділи

Видання журналу

Анотація

Дисертація присвячена розвитку моделей і методів сегментації візуальної інформації у просторі зображень на основі фрагментної обробки. Введені матричні модифікації методів кластеризації CLARANS для обробки масивів відеоспостережень у великих базах відеоданих, DBSCAN для сегментації зображень з нечіткими границями між областями довільної форми. Отримані фрагментні методи, засновані на використанні розподілів даних та рекурентній оптимізації, що дозволяють формувати сегменти довільної форми при високому рівні завад. Запропонована матрична модифікація методу кластеризації X-середніх, а також модифікації J -середніх и нечітких J -середніх, що дають можливість забезпечити досягнення більш глибокого екстремуму прийнятої цільової функції якості сегментації. Розроблений метод напівконтрольо- ваного матричного векторного квантування для аналізу текстур – сегментації послідовності зображень, що дозволяє обробляти відеодані як у режимі навчання з вчителем, так і самонавчання у послідовному режимі. Обговорені результати експериментальних досліджень. The thesis is devoted development of models and methods of visual information segmentation in image space on windows processing basis. Matrix modifications of clustering methods, viz CLARANS for video streams processing in very large video data bases and DBSCAN for image segmentation with fuzzy boundaries between arbitrary shape regions, are introduced. Window methods based on data distributions and recurrent optimisation, that allow to form clusters with any shape at high noise level, have been proposed. Matrix modification of Xmeans and also modifications of J-means and fuzzy J-means, which provide possibilities to ensure reaching of deeper extremum of the accepted goal function of segmentation quality, is offered. The method of semicontrolled matrix vector quantization is developed for textures analysis (segmentations of image sequences), allowing to process video data in sequential mode both learning with the teacher and selflearning. Results of experimental investigations are discussed.

Опис

Ключові слова

кластеризація, сегментація, зображення, відеодані, фраментна обробка, clustering, segmentation, image, video data, window processing

Бібліографічний опис

Богучарський С. І. Методи і моделі толерантної кластеризації у колекціях зображень : автореф. дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / С. И. Богучарский ; М-во образования и науки Украины, Харьк. нац. ун-т радиоэлектроники. – Харьков, 2016. – 150 с.

DOI

Колекції