Структурное распознавание изображений с применением моделей интеллектуальной обработки и самоорганизации признаков

Abstract

Статья посвящена исследованию проблемы распознавания изображений в компьютерном зрении на основе множества структурных SURF-признаков. В пространстве структурных признаков выполнена самоорганизация с целью увеличения быстродействия процесса распознавания. В качестве аппарата самоорганизации использована нейронная сеть Кохонена. Объектом исследования есть метод вычисления подобия описаний и модели интеллектуальной обработки в новом пространстве признаков. Предметом исследования является систематизация и группирование множеств структурных признаков визуальных объектов. Цель работы – построение метода структурного распознавания с применением входных данных в виде множества кластеров структурных признаков, полученных в результате самоорганизации. Задачами исследования есть изучение особенностей и анализ моделей для вычисления характеристик кластеров, построение модифицированных мер структурного подобия, экспериментальное оценивание качества распознавания для разных способов сопоставления описаний в прикладной базе визуальных образцов. Предложено построение метода распознавания изображений на основе эталонных описаний в кластерном виде, а распознавание базируется на классификации структурных признаков объекта в пространстве кластеров с дальнейшим вычислением и оптимизацией подобия векторных описаний. Проведено моделирование и экспериментальные исследования предложенного метода распознавания на тестовом множестве изображений с применением признаков SURF. Подтверждена работоспособность и эффективность метода в плане быстродействия, получены оценки качества распознавания для разнообразия вариантов обработки

Статтю присвячено дослідженню проблеми розпізнавання зображень у комп’ютерному зорі на основі множини структурних SURF- ознак. У просторі структурних ознак виконано самоорганізацію з метою збільшення швидкодії процесу розпізнавання. В якості апарату для самоорганізації використано нейронну мережу Кохонена. Об’єктом дослідження є метод обчислення подібності описів і моделі інтелектуальної обробки у новому просторі ознак. Предметом дослідження є систематизація і групування множин структурних ознак візуальних об’єктів. Метою роботи є побудова методу структурного розпізнавання із застосуванням вхідних даних у вигляді множини кластерів структурних ознак, отриманих в результаті самоорганізації. Завданнями дослідження є вивчення особливостей і аналіз моделей для обчислення характеристик кластерів, побудова модифікованих заходів структурної подібності, експериментальне оцінювання якості розпізнавання для різних способів зіставлення описів у прикладній базі візуальних зразків. Запропоновано побудову методу розпізнавання зображень на основі еталонних описів у кластерному виді, а розпізнавання базуєть- ся на класифікації структурних ознак об’єкта в просторі кластерів з подальшим обчисленням і оптимізацією подібності векторних описів. Проведено моделювання та експериментальні дослідження запропонованого методу розпізнавання на тестовій множині зображень із застосуваннямхарактерних ознак SURF. Підтверджено працездатність і ефективність методу в плані швидкодії, отримані оцінки якості розпізнавання для різноманіття варіантів оброблення

Paper describes an investigation about the problem of image recognition in computer vision based on a set of structural SURF-features. Self-organization process is proposed to be performed in space of structural features with a goal to increase recognition process performance. Kohonen neural network is used as self-organization method. The object of research is the method of similarity calculations and models of intelligent data processing in the new feature space. The subject of research is the systematization and grouping of sets of structural features of visual objects. Goal of a paper is to construct structural recognition method based on input data as a set of cluster structural features obtained as a result of self-organization. The objectives of the research are the investigation of the features and analysis of models to calculate clusters of features, the construction of the modified measures of structural similarity, the experimental evaluation of the recognition quality for different ways of descriptions comparison in the application-based visual image database. Construction of an image recognition method based on etalon descriptions as a cluster was proposed, recognition is based on the classification of the structural features of an object in cluster space with further calculation and optimization of the similarity vector descriptions. Experimental investigations and simulations of the proposed recognition method on the test image set with the use of SURF characteristic features were performed. Performance boost and efficiency of the method were confirmed, estimation of recognition quality for different processing options was performed