Класифікація зображень на підставі формування незалежної системи кластерів у складі структурних описів бази еталонів

Abstract

Предметом досліджень статті є структурні методикласифікації зображень у просторі образів як множини дескрипторів ключових точок задля розпізнавання візуальних об’єктів у системах комп’ютерного зору. Метою є створення ефективного методу класифікації на підставі впровадження системи незалежних кластерів для бази еталонів. Завдання: розроблення моделей класифікації у новоствореному просторі образів, аналіз їх обчислювальної ефективності, оцінювання результативності класифікації засобами програмного моделювання. Методи: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, метод k-середніх для кластеризації даних, програмне моделювання. Отримані результати: запропоновано моделі класифікації описів на основі системи самостійних кластерів та їх центрів, які спрощують оброблення даних та підвищують швидкодію реалізації, проведено порівняльний аналіз розроблених методівіз відомими. Здійснена програмна реалізація впроваджених моделей класифікації, експериментально проведено дослідження їх ефективності та оцінювання часу оброблення. Висновки. Наукова новизна – розвинення методу класифікації зображень на основі впровадження системи незалежних кластерів для еталонних описів, що сприяє поглибленому аналізу даних. Метод реалізовано в модифікаціях зіставлення кластерного подання і на основі конкурентного аналізу дескрипторів опису. Практична значимість роботи полягає у побудові моделей класифікації у створеному просторі даних, підтвердженні працездатності запропонованих модифікацій оброблення даних, розробленні програмних моделей для впровадження методів у системах комп’ютерного зору.The subject of this article is the structural methods for image classification in the space of images as a set of descriptors of key points for recognizing visual objects in computer vision systems. The goal is the creation of an effective classification method based on the embedding of a system of independent clusters for the etalon dataset. Task: the development of classification models in the newly created space of images, analysis of their computational efficiency, the evaluation of classification efficiency with software modeling. The methods are: BRISK detector for generating key point descriptors, data mining, k-means method for data clustering, software modeling. The following resultswere obtained: models for classifying object descriptions based on a system of independent clusters and their centers are proposed that simplify data processing and increase implementation speed, a comparative analysis of the developed methods with known methods was performed. The software implementation of the embedded classification models has been performed, an experiment to explore their effectiveness and evaluate the processing time has been conducted. Conclusions. The contribution of the research is the development of an image classification method based on the implementation of a system of independent clusters for reference descriptions, which contributes to an in-depth data analysis. The method has been implemented in modifications of cluster representation matching and based on competitive analysis of descriptors. The practical importance of the work is the constructing of the classification models in the created data space, confirming the efficiency of the proposed modifications to data processing, developing software models for implementing methods in computer vision systems.