Please use this identifier to cite or link to this item: http://dspace.ubs.edu.ua/jspui/handle/123456789/1886
Title: Методи структурної класифікації зображень на засадах баєсовської теорії прийняття рішень
Other Titles: Structural classification images using bayesian decision making
Методы структурной классификации изображений на основе байесовской теории принятия решений
Authors: Гадецька, Світлана Вікторівна
Hadetska, Svitlana
Гадецкая, Светлана Викторовна
Гороховатський, Володимир Олексійович
Horokhovatskyi, Volodymyr
Гороховатский, Владимир Алексеевич
Keywords: комп’ютерний зір
структурне розпізнавання зображень
множина структурних ознак
дескриптори SURF
релевантність описів
кластерне подання опису
формула Баєса
апостеріорна ймовірність віднесення до класу
критерій близькості опису у базі еталонів
computer vision
structural image recognition
set of structural attributes
SURF descriptors
relevance of descriptions
cluster representation of description
Bayesian formula
posteriori probability of classifying
proximity criterion of description in the base of etalons
компьютерное зрение
структурное распознавание изображений
множество структурных признаков
дескрипторы SURF
релевантность описаний
кластерное представление описания
формула Байеса
апостериорная вероятность отнесения к классу
критерий близости описания в базе эталонов
Issue Date: 2018
Publisher: Запорізький національний технічний університет
Bibliographic description (Ukraine): Гадецька С. В. Методи структурної класифікації зображень на засадах баєсовської теорії прийняття рішень / С. В. Гадецька, В. О. Гороховатський // Радіоелектроніка, інформатика, управління. – 2018. – № 2. – С. 90-97.
Abstract: Актуальність. Забезпечення результативності та багатофункціональності сучасних систем комп’ютерного зору вимагає створення різноманіття ефективних методів інтелектуального оброблення візуальної інформації. Розвиток систем структурного розпізнавання безпосередньо пов’язаний як із побудовою нових ефективних методів, так і з необхідністю створення дієвого механізму оцінювання результативності таких методів для довільних прикладних зразків візуальних даних. Одним із засобів, що базуються на статистичних характеристиках структурних даних, є апарат баєсовської теорії прийняття рішень. Обчислення апостеріорних ймовірностей віднесення опису візуального об’єкта до множини еталонів дає можливість як безпосередньо здійснювати розпізнавання на їх підставі, так і попередньо оцінити результативність процедур порівняння чи обчислення релевантності описів стосовно конкретної прикладної бази зображень. Особливу увагу приділяють вивченню структури множини дескрипторів зображень, що безпосередньо впливає на показники функціонування систем розпізнавання. Мета. Вивчення можливості та особливостей застосування статистичної теорії розпізнавання щодо механізму прийняття рішень та оцінювання ефективності у виді ймовірностей віднесення опису об’єкта до класу, а також порівняння отриманих результатів обчислень із експериментальними даними комп’ютерного моделювання. Метод. Запропоновано метод розпізнавання на основі застосування кластерних характеристик бази еталонних зображень із використанням баєсовської теорії прийняття рішень. Підсумком дослідження є створення механізму розпізнавання та оцінювання результативності процедур обчислення релевантності структурних описів. Результати. Головним результатом статті є підтвердження фундаментального зв’язку методів порівняння з еталоном та статистичного підходу у розпізнаванні образів стосовно структурних описів у вигляді множини характерних ознак зображень, які результативно представлено кластерним виглядом. Запропонований у роботі більш простий в аспекті обчислювальних витрат статистичний підхід на підставі баєсовських оцінок може застосовуватися для попередніх розрахунків ефективності розпізнавання без проведення затратних експериментів з програмного моделювання. Засвідчено ефективність розробленого методу обчислення ймовірнісних оцінок розпізнавання для прикладних баз зображень. Результат класифікації продемонстрував універсальність та коректність застосування методу, кожний із тестових об’єктів у декількох розглянутих базах зображень розпізнаний правильно. Здійснено порівняння отриманих кількісних результатів обчислень із експериментальними даними комп’ютерного моделювання. Висновки. У проведеному дослідженні запропоновано метод структурної класифікації зображень на основі кластерного подання опису засобами баєсовської теорії прийняття рішень. Основна ідея застосування належного математичного апарату полягає у віднесенні аналізованого об’єкту до еталону, що має найбільше значення апостеріорної ймовірності. Розроблений метод забезпечує достатній рівень розрізнення зображень, що підтвердили описані розрахунки та результати моделювання. Впроваджено механізм оцінювання результативності аналізованих методів структурного розпізнавання в межах прикладної бази зображень. Наукова новизна дослідження полягає у синтезі нового методу структурного розпізнавання зображень та попереднього оцінювання ефективності шляхом застосування засобів баєсовської теорії прийняття рішень і побудови класифікаційних висновків у просторі кластер-еталон. Практична значущість роботи – отримання прикладних розрахункових моделей для застосування методів структурного розпізнавання і підтвердження їх результативності в конкретних прикладах базах зображень. Relevance. Ensuring the effectiveness and multifunctionality of modern computer vision systems requires the creation of a variety of effective methods for intellectual processing of visual information. The development of systems of structural recognition is directly connected with the construction of new effective methods as well as the need to create a mechanism for assessing the effectiveness of these methods for specific applications of visual data. Bayesian decision theory is one of the tools, based on the statistical characteristics of structural data. The calculation of a posteriori probabilities of assigning a description of a visual object to a set of etalons makes it possible to directly perform the process of recognition as well as preliminary evaluate the effectiveness of procedures for comparing or calculating the relevance of descriptions with respect to a specific application image database. Special attention is paid to the study of the structure of the set of descriptors, which directly affects the functioning of recognition systems. Goal. Investigation of the possibility and peculiarities of the application of the statistical recognition theory in the decision-making mechanism and the evaluation of effectiveness in the form of the probabilities of classifying an object description as class. Comparison of the results of computations with experimental computer modeling data. Method. A method of recognition based on the application of cluster characteristics of the image base using the Bayesian decision theory is proposed. The result of investigation is the creation of a mechanism for evaluating the effectiveness of procedures for calculating the relevance of descriptions with respect to the application image database. Results. The main result of the paper is the confirmation of the fundamental relationship between methods of comparison with etalons and the statistical approach in pattern recognition with respect to structural descriptions in the form of a set of characteristic features of images represented by a cluster description. The statistical approach based on Bayesian estimates, which is simpler in sense of estimated costs, can be used for preliminary calculations of recognition efficiency without costly experiments on software modeling. The effectiveness of the developed method for calculating probabilistic estimates for applied image bases is proved. The result of the classification demonstrated the universality and correctness of the application of the method, each of the test objects in several of the examined image bases was correctly recognized. The obtained numerical results of the computations are compared with the experimental data of computer modeling. Conclusions. In the conducted research the method of structural classification of images on the basis of a cluster representation of the description by means of Bayesian decision theory is proposed. The basic idea of applying the corresponding mathematical approach is in assigning the analyzed object to an etalon that has the greatest value of a posteriori probability. The developed method provides a sufficient level of discrimination of images, which was confirmed by the described calculations and simulation results, is offered. Mechanism for evaluating the effectiveness of the analyzed methods of structural recognition within the framework of the applied image database has been introduced. The scientific novelty of the research consists in the synthesis of a new method of structural recognition of images and preliminary estimation of efficiency by using the means of Bayesian decision theory and constructing classificatory solutions in the space of a clusteretalon. The practical significance of the work is the obtaining of applied computational models for the application of the methods of structural recognition and confirmation of their effectiveness in specific applied image bases. Актуальность. Обеспечение результативности и многофункциональности современных систем компьютерного зрения требует создания разнообразия эффективных методов интеллектуальной обработки визуальной информации. Развитие систем структурного распознавания непосредственно связано как с построением новых эффективных методов, так и с необходимостью создания действенного механизма оценивания результативности таких методов для конкретных прикладных образцов визуальных данных. Одним из средств, базирующихся на статистических характеристиках структурных данных, является аппарат байесовской теории принятия решений. Вычисление апостериорных вероятностей отнесения описания визуального объекта к множеству эталонов дает возможность как непосредственно производить распознавание с их помощью, так и предварительно оценить результативность процедур сравнения или вычисления релевантности описаний относительно конкретной прикладной базы изображений. Особенное внимание уделяют изучению структуры множества дескрипторов изображений, что непосредственно влияет на показатели функционирования систем распознавания. Цель. Изучение возможности и особенностей применения статистической теории распознавания в механизме принятия решений и оценивание эффективности в виде вероятностей отнесения описания объекта к классу, а также сравнение полученных результатов вычислений с экспериментальными данными компьютерного моделирования. Метод. Предложено метод распознавания на основе применения кластерных характеристик базы эталонных изображений с использованием байесовской теории принятия решений. Итогом исследования является создание механизма распознавания и оценивания результативности процедур вычисления релевантности структурных описаний. Результаты. Главным результатом статьи является подтверждение фундаментальной связи методов сравнения с эталоном и статистического подхода в распознавании образов относительно структурных описаний в виде множества характерных признаков изображений, представленных кластерным описанием. Предложенный в работе более простой в аспекте расчетных затрат статистический подход на основе байесовских оценок может применяться для предварительных расчетов эффективности распознавания без проведения затратных экспериментов по программному моделированию. Доказана эффективность разработанного метода вычисления вероятностных оценок для прикладных баз изображений. Результат классификации продемонстрировал универсальность и корректность применения метода, каждый из тестовых объектов в нескольких рассмотренных базах изображений распознан правильно. Выполнено сравнение полученных количественных результатов вычислений с экспериментальными данными компьютерного моделирования. Выводы. В проведенном исследовании предложено метод структурной классификации изображений на основе кластерного представления описания средствами байесовской теории принятия решений. Основная идея применения соответствующего математического аппарата состоит в отнесении анализируемого объекта к эталону, который имеет наибольшее значение апостериорной вероятности. Разработанный метод обеспечивает достаточный уровень различения изображений, что подтвердили описанные расчеты и результаты моделирования. Внедрено механизм оценивания результативности анализируемых методов структурного распознавания в рамках прикладной базы изображений. Научная новизна исследования состоит в синтезе нового метода структурного распознавания изображений и предварительного оценивания эффективности с помощью применения средств байесовской теории принятия решений и построения классификационных выводов в пространстве кластер-эталон. Практическая ценность работы – получение прикладных расчетных моделей для применения методов структурного распознавания и подтверждение их результативности в конкретных прикладных базах изображений.
URI: http://dspace.ubs.edu.ua/jspui/handle/123456789/1886
ISSN: 1607-3274
2313-688X
Appears in Collections:наукові статті

Files in This Item:
File Description SizeFormat 
Hadetska Structural classification.pdf584.86 kBAdobe PDFView/Open


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