ИССЛЕДОВАНИЕ МОДИФИКАЦИЙ МЕТОДА УСТАНОВЛЕНИЯ РЕЛЕВАНТНОСТИ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ С ОПИСАНИЯМИ В ВИДЕ МНОЖЕСТВА ДЕСКРИПТОРОВ КЛЮЧЕВЫХ ТОЧЕК

ДОСЛІДЖЕННЯ МОДИФІКАЦІЙ МЕТОДУ ВСТАНОВЛЕННЯ РЕЛЕВАНТНОСТІ ЗОБРАЖЕНЬ ОБ’ЄКТІВ ЗА ОПИСАМИ У ВИГЛЯДІ МНОЖИНИ ДЕСКРИПТОРІВ КЛЮЧОВИХ ТОЧОК

Предметом исследований в статье являются модели для установления степени релевантности между изображениями в пространстве дескрипторов ключевых точек изображений для реализации структурных методов распознавания зрительных образов в системах компьютерного зрения. Целью является проведение экспериментального исследования эффективных по параметру быстродействия модификаций способов установления сходства описаний в пространстве дескрипторов на основании аппарата анализа битовых данных. Задачи: разработка математических и программных моделей обработки данных при вычислении сходства структурных описаний, изучение свойств и особенностей применения этих моделей, оценка эффективности по результатам обработки конкретных изображений. Используемыми методами являются: детектор BRISK формирования дескрипторов ключевых точек, интеллектуальный анализ данных, метод кластеризации k-средних, методы побитовой обработки и подсчета частоты вхождения данных, теория хеширования битовых данных, программное моделирование. Получены следующие результаты. Методы классификации изображений с использованием сходства описаний в пространстве дескрипторов ключевых точек получают дальнейшее развитие и применение на основании внедрения аппарата анализа битовых данных. Кластерное представление описаний не только сокращает время обработки, но и доказывает чувствительность модификации метода к незначительным особенностям изображения и его возможность широкого применения в системах компьютерного зрения. Хеширование описания без существенной потери данных ускоряет (в эксперименте в сотни раз) процесс вычисления степени релевантности описаний. Выбранная хэш-функция может влиять на результат и способствовать улучшению уровня различия изображений. Построение обобщенного описания в виде общего дескриптора значительно сокращает время вычислений, при этом возникает потребность в предыдущей обработке описания с целью формирования сокращенного описания из списка значимых дескрипторов. Выводы. Научная новизна исследования заключается в совершенствовании метода структурного распознавания изображений на основе описания множества дескрипторов ключевых точек путем применения аппарата кластеризации, выявления обобщенных свойств и хеширования данных для определения модифицированных мер релевантности анализируемых и эталонных описаний. Практическая значимость работы – достижение существенного уровня повышения быстродействия вычисления релевантности изображений, подтверждение результативности предложенных модификаций на примерах изображений, получение прикладных программных моделей для исследования и внедрения методов классификации в системах компьютерного зрения.

Предметом досліджень статті є моделі для встановлення ступеня релевантності зображень у просторі дескрипторів ключових точок зображень для реалізації структурних методів розпізнавання зорових образів у системах комп’ютерного зору. Метою є проведення експериментального дослідження ефективних за параметром швидкодії модифікацій способів встановлення подібності описів у просторі дескрипторів ключових точок на підставі апарату аналізу бітових даних. Завдання: розроблення математичних та програмних моделей оброблення даних при обчисленні подібності структурних описів, вивчення властивостей та особливостей застосування цих моделей, оцінювання ефективності за результатами оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, метод кластеризації к-середніх, методи побітового оброблення та підрахунку частоти входження даних, теорія хешування бітових даних, програмне моделювання. Отримані такі результати. Методи класифікації зображень з використанням подібності описів у просторі дескрипторів ключових точок отримують подальший розвиток та застосування на підставі впровадження апарату аналізу бітових даних. Кластерне подання описів не тільки скорочує час оброблення, але й показує чутливість модифікації методу до незначних особливостей зображення і його можливість широкого застосування у системах комп’ютерного зору. Хешування опису без втрати даних суттєво прискорює (у експерименті у сотні разів) процес обчислення ступеня релевантності описів. Вибрана хеш-функція може впливати на результат і сприяти покращенню рівня розрізнення зображень. Побудова узагальненого опису у вигляді спільного дескриптора значно скорочує час обчислень, при цьому виникає потреба у попередньому обробленні опису з метою формування скороченого опису із списку значущих дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі опису як множини дескрипторів ключових точок шляхом застосування апарату кластеризації, виявлення узагальнених властивостей та хешування даних для визначення модифікованих мір релевантності аналізованих та еталонних описів. Практична значущість роботи – досягнення суттєвого рівня підвищення швидкодії обчислення релевантності зображень, підтвердження результативності запропонованих модифікацій на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору.

Vasylchenko, A.

Manko, K.

Ponomarenko, R.

BRISK detector

clustering in descriptor space

generalized descriptor

hashing

relevancy of descriptions

voting

Hamming metric

speed of relevancy determination

структурные методы распознавания изображений

детектор BRISK

кластеризация в пространстве дескрипторов

обобщенный дескриптор

хеширование

релевантность описаний

голосование

метрика Хемминга

быстродействие определения релевантности

структурні методи розпізнавання зображень

детектор BRISK

кластеризація у просторі дескрипторів

узагальнений дескриптор

хешування

релевантність описів

голосування

метрика Хемінга

швидкодія визначення релевантності

info:eu-repo/semantics/publishedVersion

Рецензована Стаття

10.26906/SUNZ.2018.5.074

Системы управления, навигации и связи. Сборник научных трудов; Том 5 № 51 (2018): Системи управління, навігації та зв’язку; 74-78

Системи управління, навігації та зв’язку. Збірник наукових праць; Том 5 № 51 (2018): Системи управління, навігації та зв’язку; 74-78

2073-7394

10.26906/SUNZ.2018.5