Публікація:
Дослідження модифікацій методу встановлення релевантності зображень об’єктів за описами у вигляді множини дескрипторів ключових точок

dc.contributor.authorГороховатський, В. О.
dc.contributor.authorВасильченко, А. А.
dc.contributor.authorМанько, К. П.
dc.contributor.authorПономаренко, Р. П.
dc.date.accessioned2019-04-01T11:31:09Z
dc.date.available2019-04-01T11:31:09Z
dc.date.issued2018
dc.description.abstractThe subject of the paper is the models for estimation of the relevance degree between images in the space of key points descriptors for the implementation of visual images structural recognition methods in computer vision systems. The goal is the experimental modeling of methods modifications implementations effective in terms of performance for estimation of keypoint descriptors similarity based on the bit data analysis approach. The tasks include the development of mathematical and software data processing models for calculation of the structural descriptions similarity, the investigation of the properties and application features of these models, the effectiveness evaluation according to specific images processing results. The methods are to be used: BRISK detector for forming of key point descriptors, data mining, k-means clustering method, methods of bitwise processing and data entry frequency calculation, the theory of bit data hashing, experimental modeling. Following results are obtained. Image classification methods based on the similarity of key point descriptors are improved and applied using the implementation of the bit data analysis approach. The cluster descriptions representation allows not only to reduce the processing time but also to show the sensitivity of method modification to insignificant image feature and its ability to be widely used in computer vision systems. Hashing the description without losing data is significantly (hundreds of times during modeling) accelerates the process of descriptions relevancy degree calculation. The selected hash function can influence the result and help to increase the level of image distinguishing. The construction of the general description in a form of a common descriptor significantly reduces the computing time, because of which the requirement of a prior description processing in order to form a shortened description from the list of valuable descriptors occurs. Conclusions. The contribution of the paper is to improve the structural image recognition method based on the description as a set of key point features using clustering approach, the identification of generalized properties and data hashing to determine the modified relevance measures of the analyzed and etalon descriptions. The practical significance of the paper is the achievement of a significant increase of image relevance calculation speed, confirmation of the effectiveness of proposed modifications on sample images, obtaining of an application software models for research and implementation of classification methods in computer vision systems.uk_UA
dc.identifier.citationДослідження модифікацій методу встановлення релевантності зображень об’єктів за описами у вигляді множини дескрипторів ключових точок / В. О. Гороховатський, А. А. Васильченко, К. П. Манько, Р. П. Пономаренко // Системи управління, навігації та зв’язку. –2018. – №5 (51). – C. 74–78.uk_UA
dc.identifier.urihttp://openarchive.nure.ua/handle/document/8283
dc.language.isoukuk_UA
dc.subjectструктурні методи розпізнавання зображеньuk_UA
dc.subjectдетектор BRISKuk_UA
dc.subjectкластеризація у просторі дескрипторівuk_UA
dc.subjectузагальнений дескрипторuk_UA
dc.subjectхешуванняuk_UA
dc.subjectрелевантність описівuk_UA
dc.titleДослідження модифікацій методу встановлення релевантності зображень об’єктів за описами у вигляді множини дескрипторів ключових точокuk_UA
dc.typeArticleuk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Завантаження...
Зображення мініатюри
Назва:
Gorohovatsky.pdf
Розмір:
637.03 KB
Формат:
Adobe Portable Document Format
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис: