Please use this identifier to cite or link to this item: http://dspace.ubs.edu.ua/jspui/handle/123456789/1884
Title: Застосування статистичних мір релевантності для векторних структурних описів об’єктів у задачі класифікації зображень
Other Titles: Application of statistical relevance measures for vectoral structural descriptions of objects in image classification problem
Применение статистических мер релевантности для векторных структурных описаний объектов в задаче классификации изображений
Authors: Гадецька, Світлана Вікторівна
Hadetska, Svitlana
Гадецкая, Светлана Викторовна
Гороховатський, Володимир Олексійович
Horokhovatskyi, Volodymyr
Гороховатский, Владимир Алексеевич
Keywords: комп'ютерний зір
структурне розпізнавання
дескриптори особливих точок зображення
кластерне подання опису
статистична міра релевантності
баєсовський класифікатор
метричний класифікатор
розходження Кульбака-Лейблера
computer vision
structural recognition
descriptors of special image points
cluster representation of description
statistical measure of relevance
Bayesian classifier
metric classifier
Kulbak-Leibler divergence
компьютерное зрение
структурное распознавание
дескрипторы особых точек изображения
кластерное представление описания
статистическая мера релевантности
байесовский классификатор
метрический классификатор
расхождение Кульбака-Лейблера
Issue Date: 2018
Publisher: Полтавський національний технічний університет імені Юрія Кондратюка
Bibliographic description (Ukraine): Гадецька С. В. Застосування статистичних мір релевантності для векторних структурних описів об’єктів у задачі класифікації зображень / С. В. Гадецька, В. О. Гороховатський // Системи управління, навігації та зв'язку. – 2018. – Вип. 4(50) – С. 62-68.
Abstract: Вирішується задача класифікації зображень у просторі ознак дескрипторів особливих точок з поданням опису у кластерному виді і використанням статистичних мір для обчислення релевантності описів. Проведено аналіз особливостей застосування статистичного та метричного класифікаторів при визначенні рівня релевантності структурних описів. Виконано порівняння характеристик мір релевантності на розрахункових прикладах. Запропоновано використання розходження Кульбака-Лейблера як універсальної і ефективної міри для задачі класифікації. Підтверджена результативність запропонованого підходу для прикладних баз зображень. Наукова новизна дослідження полягає у розвиненні методу структурного розпізнавання зображень на основі кластерного опису множини дескрипторів особливих точок шляхом застосування апарату статистичних мір для визначення релевантності аналізованих та еталонних даних і побудови класифікаційних висновків у просторі кластер – еталон. Практична значущість роботи – отримання прикладних розрахункових моделей для застосування методів класифікації і підтвердження їх результативності в конкретних прикладах базах зображень. The problem of image classification in the space of attributes of descriptors of singular points is solved with representation of the description in cluster form and using of statistical measures to calculate relevance of descriptions. The analysis of specific application feature of statistical and metric classifiers in determining the level of relevance of structural descriptions is performed. Comparison of the characteristics of relevance measures on the calculated examples is performed. Kullback-Leibler divergence was proposed to use as a universal and effective measure for the classification problem. The effectiveness of the proposed approach for application image dataset was confirmed. The scientific novelty of the research is to develop the method of structural recognition of images based on the cluster description of the set of descriptors of special points by using the apparatus of statistical measures to determine the relevance of the analyzed and reference data and the construction of classifications in the space cluster - standard. Practical significance of work - to obtain applied calculation models for the application of classification methods and confirm their effectiveness in specific examples of image databases. Решается задача классификации изображений в пространстве признаков дескрипторов особых точек с представлением описания в кластерном виде и использованием статистических мер для вычисления релевантности описаний. Проведен анализ особенностей применения статистического и метрического классификаторов при определении уровня релевантности структурных описаний. Выполнено сравнение характеристик мер релевантности на расчетных примерах. Предложено использование расхождения Кульбака-Лейблера как универсальной и эффективной меры для задачи классификации. Подтверждена результативность предложенного подхода для прикладных баз изображений. Научная новизна исследования заключается в развитые метода структурного распознавания изображений на основе кластерного описания множества дескрипторов особых точек путем применения аппарата статистических мер для определения релевантности анализируемых и эталонных данных и построения классификационных выводов в пространстве кластер - эталон. Практическая значимость работы - получение прикладных расчетных моделей для применения методов классификации и подтверждения их результативности в конкретных примерах базах изображений.
URI: http://dspace.ubs.edu.ua/jspui/handle/123456789/1884
ISSN: 2073-7394
Appears in Collections:наукові статті

Files in This Item:
File Description SizeFormat 
Hadetska Application of statistical.pdf354.41 kBAdobe PDFView/Open


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