О влиянии шумов на значение метрики DTW при идентификации формы объектов

Обложка

Цитировать

Полный текст

Аннотация

В работе изложена одна из методологий по обработке изображений и распознавания формы графических объектов. В ней на первом этапе производится предварительная обработка изображения с целью выделения характерных признаков формы объектов. В качестве таких признаков были использованы контуры. Для преобразования 2D контуров объектов в одномерную контурную функцию был использован метод ArcHeight. Для идентификации контурных функций разработан алгоритм на основе метрики DTW. Введено определение идентификационной функции, основанной на этом методе. Изложены особенности применения метрики DTW при идентификации формы объектов. Приведены матрицы расстояний комбинаций эталон-эталон и эталон-неэталон. Проанализированы результаты вычислений метрики DTW на большом количестве реальных данных. Показано, что разработанный алгоритм позволяет идентифицировать форму объектов независимо от их положения и угла поворота на изображении. Исследовано влияние шумов, наложенных на изображение объекта, на значение метрики. Получены теоретические и практические результаты такой зависимости, которые показывают, что в широком диапазоне (до отношения сигнал/шум 10 дБ) значение метрики практически не изменяется. Отмечены положительные стороны и недостатки предложенного алгоритма при идентификации формы объекта.

Об авторах

Иван Михайлович Гостев

Национальный исследовательский университет «Высшая школа экономики»

Автор, ответственный за переписку.
Email: igostev@hse.ru

доктор технических наук, профессор кафедры управления информационными системами и цифровой инфраструктурой Национального исследовательского университета «Высшая школа экономики»

ул. Мясницкая, д. 20, Москва, Россия, 101000

Леонид Антонович Севастьянов

Российский университет дружбы народов

Email: sevastianov-la@rudn.ru

профессор, доктор физико-математических наук, профессор кафедры прикладной информатики и теории вероятностей РУДН

ул. Миклухо-Маклая, д. 6, Москва, Россия, 117198

Список литературы

  1. Seul M., O’Gorman L., Sammon M. Practical Algorithms for Image Analysis. — Cambridge University Press, 2000. — 295 p.
  2. Pratt W. K. Digital Image Processing (Fourth edition). — Wiley, 2007. — 807 p.
  3. Duda R. O., Hart P. E. Pattern Classification and Scene Analysis. — Wiley, 1973.
  4. Gonzalez R., Woods R. Digital Image Processing. — Addison-Wesley Publishing Company, Reading, 1992. — 191 p.
  5. Marr D. Vision: A Computational Investigation Into the Human Representation and Processing of Visual Information. — Published March 15th 1983 by W. H. Freeman, 1983. — 397 p.
  6. Klette R. Digital Geometry: Geometric Methods for Digital Image Analysis Usa. — Morgan Kaufmann, 2004.
  7. William K. Pratt Digital image processing. — Wiley publication, 1978. — 750 p.
  8. Mark S., Nixon Alberto S. Aguado Feature Extraction & Image Processing for Computer Vision Third edition. — Elsevier, 2012. — 622 p.
  9. Ballard D. H., Brown C. M. Computer Vision. — Prentice-Hall. Inc., 1982. — 548 p.
  10. Chetverikov D. A Simple and Efficient Algorithm for Detection of High Curvature Points in Planar Curves // Computer Analysis of Images and Patterns. CAIP 2003. Lecture Notes in Computer Science / Ed. by N. Petkov, M. A. Westenberg. — Berlin, Heidelberg: Springer, 2003. — Vol. 2756. — Pp. 746–753. — doi: 10.1007/978-3540-45179-2 91.
  11. Rosenfeld A., Johnston E. Angle Detection on Digital Curves // IEEE Transactions on Computers. — 1973. — Vol. C-22, issue 9. — Pp. 875–878. — doi: 10.1109/TC.1973.5009188.
  12. Mokhtarian F., Mackworth A. K. A Theory of Multiscale, Curvature-Based Shape Representation for Planar Curves // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 1992. — Vol. 14, issue 8. — Pp. 789–805. — doi: 10.1109/34.149591.
  13. Ramer U. An Iterative Procedure for the Polygonal Approximation of Plane Closed Curves // Computer Graphics Image Processing. — 1972. — Vol. 1, issue 3. — Pp. 244–256. — doi: 10.1016/S0146-664X(72)80017-0.
  14. Phillips T. Y., Rosenfeld A. A Method for Curve Partitioning Using Arc-Chord Distance // Pattern Recognition Letters. — 1987. — Vol. 5, issue 4. — Pp. 285–288. — doi: 10.1016/0167-8655(87)90059-6.
  15. Lin Y., Dou J., Wang H. Contour Shape Description Based on an Arch Height Function // Journal Pattern Recognition. — 1992. — Vol. 25, issue 1. — Pp. 17–23. — doi: 10.1016/0031-3203(92)90003-2.
  16. Han J. H., Poston T. Chord-to-Point Distance Accumulation and Planar Curvature: a New Approach to Discrete Curvature // Pattern Recognition Letters. — 2001. — Vol. 22, issue 10. — Pp. 1133–1144. — doi: 10.1016/S0167-8655(01)00063-0.
  17. Querying and mining of time series data: experimental comparison of representations and distance measures / H. Ding, G. Trajcevski, P. Scheuermann et al. // PVLDB. — 2008. — Vol. 1, issue 2. — Pp. 1542–1552. — doi: 10.14778/1454159.1454226.
  18. Гостев И. М. О моделировании и оценке классификационного допуска // Вестник РУДН. Серия: Прикладная и компьютерная математика. — 2004. — Т. 3, № 1. — С. 85–92.

© Гостев И.М., Севастьянов Л.А., 2018

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах