Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/9240
Title: Вивчення статистичних властивостей моделі блочного подання для множини дескрипторів ключових точок зображень властивостей моделі блочного подання для множини дескрипторів ключових точок зображень
Other Titles: THE STUDY OF STATISTICAL PROPERTIES OF THE MODEL BLOCK REPRESENTATION FOR SET OF DESCRIPTORS OF KEY POINTS OF IMAGES
Authors: Гороховатський, В. О.
Гадецька, С. В.
Стяглик, Н. І.
Keywords: комп'ютерний зір
множина ключових точок
дескриптори BRISK
блочне подання
статистичний розподіл
розходження Рен’ї
Issue Date: 2019
Citation: Гороховатський В. О. Вивчення статистичних властивостей моделі блочного подання для множини дескрипторів ключових точок зображень / В. О. Гороховатський, С. В. Гадецька, Стяглик Н. І. // Радіоелектроніка, інформатика, управління.–2019. – №2 (45). – C. 100–107. – doi: 10.15588/1607-3274-2019-2-11.
Abstract: Актуальність. Багатовимірна природа оброблюваних даних у сучасних системах комп’ютерного зору потребує нових підходів до побудови результативних просторів ознак, що спрощують опрацювання за рахунок узагальнення наявної інфор-мації. Структурні методи розпізнавання зображень використовують описи візуальних об’єктів у вигляді наборів дескрипторів ключових точок як множини числових векторів високої розмірності. Основним інструментом зниження розмірності виступає представлення даних у вигляді системи їх блоків та статистичне дослідження таких структур даних, яке в аспекті розпізнавання покладене відображати сумарні властивості об’єкта як сукупності його фрагментів. У зв’язку з цим виникає проблема вивчення особливостей прикладного застосування та характеристик моделі блочного подання в аспекті її вживання для визначення релевантності описів та класифікації даних в межах бази еталонних зображень. Мета роботи. Здійснення статистичного оцінювання значущості прийняття класифікаційних рішень на основі обчислення релевантності описів об’єктів для моделі блочного подання даних дескрипторів ключових точок зображень. Метод. Запропоновано способи розрізнення описів на основі моделі блочного подання даних дескрипторів ключових точок зображень із використанням критеріїв математичної статистики та інструментарію теорії інформації. Результати. Головним результатом статті є підтвердження того, що вживання класичних статистичних критеріїв для аналізу емпіричних даних у вигляді структурних описів зображень дає можливість визначити якість побудованого простору ознак, достатню для розрізнення візуальних об’єктів при їх розпізнаванні у системах комп’ютерного зору. Впровадження моделі блочного подання та статистичного аналізу для значень дескрипторів ключових ознак зображень сприяє підвищенню ефективності процесу розпізнавання візуальних об’єктів, що підтверджується покращенням рівня розрізнення при збільшенні розміру фрагменту у побудованій ланцюжковій структурі опису. Висновки. Застосування різноманіття статистичних критеріїв дало ідентичний висновок про значущість відмінностей емпіричних описів візуальних об’єктів у побудованому просторі ознак, що підкреслює об’єктивність проведеного дослі-дження. Впроваджена модель блочного подання даних зберігає розрізнювальні властивості структурного опису з ефектом суттєвого покращення швидкодії прийняття класифікаційного рішення. Наукову новизну дослідження складає удосконалення та статистичне обґрунтування моделей прийняття рішення щодо розпізнавання візуальних об’єктів на основі обчислення релевантності їх описів стосовно еталонів із впровадженням блочного подання дескрипторів ключових точок зображень. Практична значущість роботи полягає у підтвердженні доцільності введення блочної структури для дескрипторного опису об’єкта як ефективного підходу при вирішенні задачі розпізнавання на прикладах зображень задля впровадження у системах комп’ютерного зору.
URI: http://openarchive.nure.ua/handle/document/9240
Appears in Collections:Кафедра інформатики (ІНФ)

Files in This Item:
File Description SizeFormat 
1Gorohovatsky_2003.pdf388.34 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.