Модели и алгоритмы распознавания цифровых изображений в условиях воздействия деформирующих и аддитивных искажений
Ключевые слова:
распознавание цифровых изображений, деформирующие искажения, непараметрические оценки функции правдоподобия, размножение элементов обучающей выборки
Аннотация
Рассматривается задача распознавания цифровых изображений в условиях воздействия деформирующих искажений и аддитивного шума. Синтезированы и исследованы: параметрический, на основе гауссовского приближения, непараметрический, основанный на использовании ядерных оценок функций правдоподобия, а также нейросетевой алгоритмы распознавания. Предложены модифицированные смешанные оценки функций правдоподобия, на основе свертки ядерной оценки, полученной по выборке исходных изображений, подвергнутых деформации, с плотностью распределения аддитивного шума. Теоретически и экспериментально показано, что использование смешанной оценки эквивалентно реализации процедуры искусственного размножения обучающих данных в соответствии с известной статистической моделью аддитивного шума. Проведено моделирование алгоритмов и выполнено сравнение их работы при различных значениях отношения сигнал-шум и коэффициента корреляции аддитивного шума
Скачивания
Данные скачивания пока не доступны.
Литература
1.Begum, N. Accelerating Dynamic Time Warping Clustering with a Novel Admissible Pruning Strategy / N. Begum, L. Ulanova, J. Wang, E. Keogh // Proceedings of the 21th ACM SIG-KDD International Conference on Knowledge Discovery and Data Mining. – 2015. – V. 7(3). – P.49–58. – DOI: 10.1145/2783258.2783286
2.Aghabozorgi, S. Time-series Clustering – A Decade Review / S.Aghabozorgi, A.S.Shirkhorshidi, T. Ying Wah. – Information Systems.– 2015. – V. 53. – P. 16–38. – DOI: 10.1016/ j.is.2015.04.007
3. Rabiner, L. Fundamentals of Speech Recognition / L. Rabiner, B. H. Juang. – Englewood Cliffs, NJ: Prentice Hall PTR, 1993. – 507 p.
4. Corradini, A. Dynamic time warping for offline recognition of a small gesture vocabulary/ A. Corradini. // Proceedings of the IEEE ICCV Workshop on Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems.– 2001. – P. 82–89. – DOI: 10.1.1.200.2035
5. Vemulapalli, R. Human Action Recognition by Representing 3D Skeletons as Points in a Lie Group / R. Vemulapalli, F. Arrate, R. Chellappa// IEEE Conference on Computer Vision and Pattern Recognition, June 23–28, 2014 (CVPR 2014). – 2014. – P. 588–595. – DOI: 10.1109/CVPR.2014.82
6. Алгазинов, Э. К. Аппаратно-программный комплекс для анализа неоднородного потока объектов в системах фотосепарации реального времени / Э. К. Алгазинов, М.А.Дрюченко, А. А. Сирота, Д. А. Минаков, В. А. Шульгин // Измерительная техника. – 2014. – No 5. – С. 23–29.
7. Keysers, D. Deformation models for image recognition / D. Keysers, T. Deselaers, C. Gollan, H. Ney // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2007. – V. 29(8). – P.1422–1435. – DOI: 10.1109/TPAMI.2007.1153
8. Felzenswalb, P. A. discriminatively trained, multiscale, deformable part model / P. Felzenswalb, D. McAllester, D. Ramanan // IEEE Conference on Computer Vision and Pattern Recognition, June 24–26, 2008 (CVPR 2008). – 2008.– P.1–8.– DOI: 10.1109/CVPR.2008.4587597
9. Drap , P. An Exact Formula for Calculatng Inverse Radial Lens Distortions / P. Drap, J.Lefèvre // Sensors. – 2016. – V. 16(6).– P.1–18.– DOI: 10.3390/s16060807
10. Friston, K. J. Statistical parametric mapping: the analysis of functional brain images / K.J. Friston, W. D. Penny, J. Ashburner, S. J. Kiebel, T. E. Nichols. – London: Academic Press, 2006. – 656 p.
11. Brown, L. G. A Survey of Image Registration Techniques / L.G. Brown // ACM Computing Surveys. – 1992. – V. 24(4). – P. 325–376. – DOI: 10.1145/146370.146374
12. Fortun, D. Optical flow modeling and computation: A survey / D. Fortun, P. Bouthemy, C. Kervrann // Computer Vision and Image Understanding, Elsevier. – 2015. – V. 134.– P.1–21.– DOI: 10.1016/j.cviu.2015.02.008
13. Zope, B. A Survey of Morphing Tech-niques / B. Zope, S.B. Zope // International Jour-nal of Advanced Engineering, Management and Science (IJAEMS) – 2017. – V. 3(2).– P.81–87.– DOI: 10.24001/ijaems.3.2.15
14. Liao, J. Automating Image Morphing Using Structural Similarity on a Halfway Do-main/ J. Liao. R.S. Lima, D. Nehab, H. Hoppe, P.V. Sander, J.Yu // ACM Transactions on Graphics (TOG). – 2014. – V. 33(5). – P. 1–12. – DOI: 10.1145/2629494
15. Акимов, А. В. Модели и алгоритмы искусственного размножения данных для обучения алгоритмов распознавания лиц методом Виолы–Джонса / А. В. Акимов, А.А.Сирота// Компьютерная оптика. – 2016. – Т. 40, No 6. – С. 911–918. – DOI: 10.18287/2412-6179-2016-40-6-911-918
16. Небаба, С. Г. Алгоритм построения деформируемых 3D моделей лица и обоснование его применимости в системах распознавания личности / С. Г. Небаба, А.А.Захарова// Труды СПИИРАН. – 2017. – Вып.52.– C.157–179. – DOI: 10.15622/sp.52.8
17. Акимов, А. В. Синтез и анализ алгоритмов распознавания цифровых сигналов в условиях деформирующих искажений и аддитивных помех / А. В. Акимов, А. А. Сирота // Известия вузов. Радиотехника. – 2017.– Т. 60, No 10. – С. 592–604. – DOI: 10.20535/S0021347017100041
18. Fukunaga, K. Introduction to statistical pattern recognition / K. Fukunaga. – San Diego, CA: Academic Press, 1990. – 591 p.
19. Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А.А. Сирота. – СПб.: БХВ-Петербург, 2016. – 384 с.
20. Кривенко, М. П. Непараметрическое оценивание элементов байесовского классификатора / М. П. Кривенко // Информатика и ее применения. – 2010. – Т. 4, No 2. – С. 13–24.
21. Duda, R. O. Pattern Classification / R.O.Duda, P. E. Hart, D. G. Stork. – Second Edition. – Hoboken, NJ: Wiley-Interscience, 2000. – 680 p.
22. Абезгауз, Г. Г. Справочник по вероятностным расчетам / Г. Г. Абезгауз, А. П. Тронь, Ю. Н. Копенкин, И. А. Коровина. – Издание второе. – М. : Воениздат, 1970. – 536 с.
23. Крянев, А. В. Математические методы обработки неопределенных данных/ А.В.Крянев, Г. В. Лукин. – М. : Физмалит, 2003. – 216 с.
2.Aghabozorgi, S. Time-series Clustering – A Decade Review / S.Aghabozorgi, A.S.Shirkhorshidi, T. Ying Wah. – Information Systems.– 2015. – V. 53. – P. 16–38. – DOI: 10.1016/ j.is.2015.04.007
3. Rabiner, L. Fundamentals of Speech Recognition / L. Rabiner, B. H. Juang. – Englewood Cliffs, NJ: Prentice Hall PTR, 1993. – 507 p.
4. Corradini, A. Dynamic time warping for offline recognition of a small gesture vocabulary/ A. Corradini. // Proceedings of the IEEE ICCV Workshop on Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems.– 2001. – P. 82–89. – DOI: 10.1.1.200.2035
5. Vemulapalli, R. Human Action Recognition by Representing 3D Skeletons as Points in a Lie Group / R. Vemulapalli, F. Arrate, R. Chellappa// IEEE Conference on Computer Vision and Pattern Recognition, June 23–28, 2014 (CVPR 2014). – 2014. – P. 588–595. – DOI: 10.1109/CVPR.2014.82
6. Алгазинов, Э. К. Аппаратно-программный комплекс для анализа неоднородного потока объектов в системах фотосепарации реального времени / Э. К. Алгазинов, М.А.Дрюченко, А. А. Сирота, Д. А. Минаков, В. А. Шульгин // Измерительная техника. – 2014. – No 5. – С. 23–29.
7. Keysers, D. Deformation models for image recognition / D. Keysers, T. Deselaers, C. Gollan, H. Ney // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2007. – V. 29(8). – P.1422–1435. – DOI: 10.1109/TPAMI.2007.1153
8. Felzenswalb, P. A. discriminatively trained, multiscale, deformable part model / P. Felzenswalb, D. McAllester, D. Ramanan // IEEE Conference on Computer Vision and Pattern Recognition, June 24–26, 2008 (CVPR 2008). – 2008.– P.1–8.– DOI: 10.1109/CVPR.2008.4587597
9. Drap , P. An Exact Formula for Calculatng Inverse Radial Lens Distortions / P. Drap, J.Lefèvre // Sensors. – 2016. – V. 16(6).– P.1–18.– DOI: 10.3390/s16060807
10. Friston, K. J. Statistical parametric mapping: the analysis of functional brain images / K.J. Friston, W. D. Penny, J. Ashburner, S. J. Kiebel, T. E. Nichols. – London: Academic Press, 2006. – 656 p.
11. Brown, L. G. A Survey of Image Registration Techniques / L.G. Brown // ACM Computing Surveys. – 1992. – V. 24(4). – P. 325–376. – DOI: 10.1145/146370.146374
12. Fortun, D. Optical flow modeling and computation: A survey / D. Fortun, P. Bouthemy, C. Kervrann // Computer Vision and Image Understanding, Elsevier. – 2015. – V. 134.– P.1–21.– DOI: 10.1016/j.cviu.2015.02.008
13. Zope, B. A Survey of Morphing Tech-niques / B. Zope, S.B. Zope // International Jour-nal of Advanced Engineering, Management and Science (IJAEMS) – 2017. – V. 3(2).– P.81–87.– DOI: 10.24001/ijaems.3.2.15
14. Liao, J. Automating Image Morphing Using Structural Similarity on a Halfway Do-main/ J. Liao. R.S. Lima, D. Nehab, H. Hoppe, P.V. Sander, J.Yu // ACM Transactions on Graphics (TOG). – 2014. – V. 33(5). – P. 1–12. – DOI: 10.1145/2629494
15. Акимов, А. В. Модели и алгоритмы искусственного размножения данных для обучения алгоритмов распознавания лиц методом Виолы–Джонса / А. В. Акимов, А.А.Сирота// Компьютерная оптика. – 2016. – Т. 40, No 6. – С. 911–918. – DOI: 10.18287/2412-6179-2016-40-6-911-918
16. Небаба, С. Г. Алгоритм построения деформируемых 3D моделей лица и обоснование его применимости в системах распознавания личности / С. Г. Небаба, А.А.Захарова// Труды СПИИРАН. – 2017. – Вып.52.– C.157–179. – DOI: 10.15622/sp.52.8
17. Акимов, А. В. Синтез и анализ алгоритмов распознавания цифровых сигналов в условиях деформирующих искажений и аддитивных помех / А. В. Акимов, А. А. Сирота // Известия вузов. Радиотехника. – 2017.– Т. 60, No 10. – С. 592–604. – DOI: 10.20535/S0021347017100041
18. Fukunaga, K. Introduction to statistical pattern recognition / K. Fukunaga. – San Diego, CA: Academic Press, 1990. – 591 p.
19. Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А.А. Сирота. – СПб.: БХВ-Петербург, 2016. – 384 с.
20. Кривенко, М. П. Непараметрическое оценивание элементов байесовского классификатора / М. П. Кривенко // Информатика и ее применения. – 2010. – Т. 4, No 2. – С. 13–24.
21. Duda, R. O. Pattern Classification / R.O.Duda, P. E. Hart, D. G. Stork. – Second Edition. – Hoboken, NJ: Wiley-Interscience, 2000. – 680 p.
22. Абезгауз, Г. Г. Справочник по вероятностным расчетам / Г. Г. Абезгауз, А. П. Тронь, Ю. Н. Копенкин, И. А. Коровина. – Издание второе. – М. : Воениздат, 1970. – 536 с.
23. Крянев, А. В. Математические методы обработки неопределенных данных/ А.В.Крянев, Г. В. Лукин. – М. : Физмалит, 2003. – 216 с.
Опубликован
2018-01-29
Как цитировать
Акимов, А. В., Донских, А. О., & Сирота, А. А. (2018). Модели и алгоритмы распознавания цифровых изображений в условиях воздействия деформирующих и аддитивных искажений. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (1), 104-118. https://doi.org/10.17308/sait.2018.1/1198
Выпуск
Раздел
Интеллектуальные информационные системы
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
