Description of the descriptor of the categorization of images taking into account geometric structures in all colors
Keywords:
descriptor, pattern recognition, image classification.
Abstract
A new original handle is proposed to allow for categorization, both static images and video streams. The handle takes into account the color gamut of the image and the geometric structure for all colors, that is, the fractalness of the image. Compares the efficiency of the descriptor with the description of the handles in the literature.
References
1. Потапов А. А. Новейшие методы обработки изображений М.: Физматлит, 2008.
2. Лепский А. Е., Бронвич А. Г. Математические методы распознавания образов. Таганрог: Изд.
ТТИЮФУ, 2009.
3. Бабаян П. В., Фельдман А. Б. Распознование объектов на изображениях при наблюдении из
космоса // Вестник РГТУГ. 2008. № 4 (26). С. 124–132.
4. Вапник В. Н., Червонекис А. Я. Теория распознавания образов (статистические проблемы обучения)
М.: Наука, 1974.
5. Козлов В. Н. Элементы математической теории зрительного восприятия. М.: Изд. Центр прикладных
исследований при мех-мате МГУ, 2001.
6. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007.
7. Ляхов А. Ф. Вероятностные методы оценки параметров изображения по существованию регулярных
структур из пикселей // Компьютерные инструменты в образовании. 2009. № 5.
C. 17–26.
8. Петухов А. А. Распознование текстурных изображений на основе статических и фрактальных
признаков // Вестник Сибирского ГАУ. 2011. C. 63–68.
9. Каштанов Н. В., Ляхов А. Ф. Фрактальная размерность визуального образа математической
матрицы // Компьютерные инструменты в образовании. 2013. № 2. C. 59–66.
10. Воронцов К. В. Математические методы обучения по прецедентам. М: МФТИ, 2006.
11. Захаров Р. Метод классификации объектов различных классов на видео потоке и на статичных
изображениях. URL: http://docplayer.ru/54279516-Metod-klassifikacii-obektov-razlichnyhklassov-na-video-potoke-i-na-statichnyh-izobrazheniyah.html
(дата обращения: 14.11.18).
12. Rosenfeld A., Pfaltz P. Sequential Operations in Digital Picture Processing // Journal of the Association
for Computing Machinery. 1966. Vol. 13. P. 471–494.
13. Deselaers T., Keysers D., Ney H. Features for Image Retrieval: An Experimental Comparison / German
Research Center for Artificial Intelligence (DFKI). Kaiserslautern, Germany. November 29, 2007
14. Pakkanen J., Ilvesmaki A., Iivarinen J. ¨ Defect image classification with MPEG-7 descriptors //
Proceedings of the 13th Scandinavian Conference on Image Analysis. Halmstad, Sweden, 2003.
P. 349–355. (Lecture Notes in Computer Science, vol. 2749).
15. Buturovic A. MPEG 7 Color Structure Descriptor for visual information retrieval project VizIR //
Institute for Software Technology and Interactive Systems Technical University Vienna, 2005. URL:
http://citeseerx.ist.psu.edu/viewdoc/versions?doi=10.1.1.369.8132 (дата обращения: 14.11.18).
16. Rublee E., Rabaud V., Konolige K., Bradski G.: ORB: An efficient alternative to SIFT or SURF // IEEE
International Conference on Computer Vision. November 2011 P. 2564–2571.
2. Лепский А. Е., Бронвич А. Г. Математические методы распознавания образов. Таганрог: Изд.
ТТИЮФУ, 2009.
3. Бабаян П. В., Фельдман А. Б. Распознование объектов на изображениях при наблюдении из
космоса // Вестник РГТУГ. 2008. № 4 (26). С. 124–132.
4. Вапник В. Н., Червонекис А. Я. Теория распознавания образов (статистические проблемы обучения)
М.: Наука, 1974.
5. Козлов В. Н. Элементы математической теории зрительного восприятия. М.: Изд. Центр прикладных
исследований при мех-мате МГУ, 2001.
6. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007.
7. Ляхов А. Ф. Вероятностные методы оценки параметров изображения по существованию регулярных
структур из пикселей // Компьютерные инструменты в образовании. 2009. № 5.
C. 17–26.
8. Петухов А. А. Распознование текстурных изображений на основе статических и фрактальных
признаков // Вестник Сибирского ГАУ. 2011. C. 63–68.
9. Каштанов Н. В., Ляхов А. Ф. Фрактальная размерность визуального образа математической
матрицы // Компьютерные инструменты в образовании. 2013. № 2. C. 59–66.
10. Воронцов К. В. Математические методы обучения по прецедентам. М: МФТИ, 2006.
11. Захаров Р. Метод классификации объектов различных классов на видео потоке и на статичных
изображениях. URL: http://docplayer.ru/54279516-Metod-klassifikacii-obektov-razlichnyhklassov-na-video-potoke-i-na-statichnyh-izobrazheniyah.html
(дата обращения: 14.11.18).
12. Rosenfeld A., Pfaltz P. Sequential Operations in Digital Picture Processing // Journal of the Association
for Computing Machinery. 1966. Vol. 13. P. 471–494.
13. Deselaers T., Keysers D., Ney H. Features for Image Retrieval: An Experimental Comparison / German
Research Center for Artificial Intelligence (DFKI). Kaiserslautern, Germany. November 29, 2007
14. Pakkanen J., Ilvesmaki A., Iivarinen J. ¨ Defect image classification with MPEG-7 descriptors //
Proceedings of the 13th Scandinavian Conference on Image Analysis. Halmstad, Sweden, 2003.
P. 349–355. (Lecture Notes in Computer Science, vol. 2749).
15. Buturovic A. MPEG 7 Color Structure Descriptor for visual information retrieval project VizIR //
Institute for Software Technology and Interactive Systems Technical University Vienna, 2005. URL:
http://citeseerx.ist.psu.edu/viewdoc/versions?doi=10.1.1.369.8132 (дата обращения: 14.11.18).
16. Rublee E., Rabaud V., Konolige K., Bradski G.: ORB: An efficient alternative to SIFT or SURF // IEEE
International Conference on Computer Vision. November 2011 P. 2564–2571.
Published
2018-07-19
How to Cite
Ляхов, А. Ф., & Чнегов, Е. И. (2018). Description of the descriptor of the categorization of images taking into account geometric structures in all colors. Computer Tools in Education, (6), 31-43. Retrieved from http://cte.eltech.ru/ojs/index.php/kio/article/view/1507
Issue
Section
Informational systems
This work is licensed under a Creative Commons Attribution 4.0 International License.
