АНАЛИЗ ПОЛУТОНОВЫХ ИЗОБРАЖЕНИЙ И ЦВЕТНЫХ ТЕКСТУР С ПОЗИЦИИ СТОХАСТИЧЕСКОЙ
ГЕОМЕТРИИ И ФУНКЦИОНАЛЬНОГО АНАЛИЗА

Федотов Николай Гаврилович, доктор технических наук, профессор, заведующий кафедрой экономической кибернетики, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), nikolayfedotov@mail.ru
Голдуева Дарья Алексеевна, кандидат технических наук, доцент, кафедра экономической кибернетики, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40),  vrem0@yandex.ru
Мокшанина Мария Алексеевна, старший преподаватель, кафедра физики и математики, Пензенский государственный аграрный университет (Россия, г. Пенза, ул. Ботаническая, 30),  nikolayfedotov@mail.ru

681.39; 007.001.362

DOI

10.21685/2072-3059-2017-2-3

Актуальность и цели. Большинство из существующих в настоящее время методов анализа полутоновых или цветных объектов предполагают предварительное упрощение анализируемого изображения, т.е. приведение его к бинарному виду. В результате подобных действий теряется существенная часть полезной информации об анализируемом объекте. Целью настоящей работы является предложение иного подхода к анализу и распознаванию полутоновых изображений и цветных текстур, основанного на аппарате стохастической геометрии и функционального анализа.
Материалы и методы. Предлагаемый в настоящей статье метод анализа и распознавания полутоновых изображений и цветных текстур позволяет формировать признаки распознавания, описывающие геометрические особенности изображения, и признаки распознавания, отражающие особенности цвета или яркости анализируемого объекта.
Результаты. Согласно предлагаемому методу признаки распознавания могут быть получены без участия эксперта-аналитика в режиме автоматической компьютерной генерации и последующей минимизации признакового пространства с целью отбора наиболее информативных из них, что обеспечивает надежное распознавание объектов. Причем предлагаемый метод позволяет получить признаки распознавания инвариантные к сдвигу, повороту и к линейным деформациям исходного изображения, что является достаточно важным для большинства задач анализа и распознавания образов.
Выводы. Результаты эксперимента доказывают, что предложенный в настоящей статье метод может быть эффективно применен для решения задач обработки и полутоновых изображений, и цветных текстур.

Ключевые слова

распознавание образов, полутоновые изображения, цветные текстуры, трейс-преобразование, триплетные признаки, стохастическая геометрия

 Скачать статью в формате PDF

1. Федотов, Н. Г. Методы стохастической геометрии в распознавании образов / Н. Г. Федотов. – М. : Радио и связь, 1990. – 144 с.
2. Федотов, Н. Г. Теория признаков распознавания образов на основе стохастической геометрии и функционального анализа / Н. Г. Федотов. – М. : Физматлит, 2009. – 304 с.
3. Kendall, W. S. New Perspectives in Stochastic Geometry / Wilfrid S. Kendall, Ilya Molchanov. – Oxford, UK : Oxford University Press, January, 2010. – 120 p.
4. Kadyrov, A. A. Image scanning leads to alternative understanding of image / A. A. Kadyrov, M. V. Saveleva, N. G. Fedotov // Third int. conf. on automation, robotics and computer vision (ICARCV’94). – Singapore, 1994. – P. 134–146.
5. Fedotov, N. G. Image scanning in machine vision leads to new understanding of image. / N. G. Fedotov, A. A. Kadyrov // In Proc. of 5th International Workshop on Digital In Processing and Computer Graphics, Proc. International Society for Optical Engineering (SPIE). – 1995. – Vol. 2363. – P. 256–261.
6. Fedotov, N. G. New Theory of Pattern Recognition Feature on the Basis of Stochastic Geometriy / N. G. Fedotov, L. A. Shulga // WSCG’2000 Conference Proceedings. – Czech Republic : University of West Bohemia, 2000. – Vol. 1 (2). – P. 373–380.
7. Kadyrov, A. A. Triple Features Pattern Recognition and Image Analysis / A. A. Kadyrov, N. G. Fedotov // Advances in Mathematical Theory and Applications. – 1995 – Vol. 5, № 4. – P. 546–556.
8. Формирование признаков распознавания сложноструктурированных изображений на основе стохастической геометрии / Н. Г. Федотов, А. С. Кольчугин, О. А. Смолькин, А. В. Моисеев, С. В. Романов // Измерительная техника. – 2008. – № 2. – С. 56–61.
9. Vidal, M. Pre-processing of hyperspectral images. Essential steps before image analysis / M. Vidal, J. M. Amigo // Chemometrics and Intelligent Laboratory Systems. – 2012. – Vol. 117, 1. – P. 138–148.
10. Федотов, Н. Г. Техническая дефектоскопия на основе новой теории распознавания образов / Н. Г. Федотов, Т. В. Никифорова // Измерительная техника. –2002. – № 12. – С. 27–31.
11. Fedotov, N. G. Visual mining for biomatrical system based on stochastic geometry / N. G. Fedotov, L. A. Shulga, A. V. Roy // Proc. Int. Conf. Pattern Recognition and Image Analysis. PRIA-7-2004. – 2004. – Vol. 2. – P. 473–475.
12. Effective feature extraction by trace transform for insect footprint recognition / B.-S. Shin, E.-Y. Cha, K.-B. Kim, K.-W. Cho, R. Klette, W. W. Young // 3rd International Conference on Bio-Inspired Computing: Theories and Applications. – BICTA, 2008. – P. 97–102.
13. Fooprateepsiri, R. Highly robust approach face recognition using hamming - trace combination / R. Fooprateepsiri, W. Kurutach // Proc. of the IADIS Int. Conf. Intelligent Systems and Agents 2010, Proc. of the IADIS European Conference on Data Mining 2010, Part of the MCCSIS, 2010. – P. 83–90.
14. Triple features of ultrasonic image recognition / N. G. Fedotov, L. A. Shulga, A. S. Kol’chugin, O. A. Smol’kin, S. V. Romanov // Proc. Of the 8th Int. Conf. on Pattern Recognition and Image Analysis (PRIA-8-2007). – Yoshkar-Ola, Russia, 2007. – Vol. 1. – P. 299–300.
15. Fedotov, N. G. Feature Generation and Stochastic Geometry / N. G. Fedotov, L. A. Shulga // In Proc. of the 4th International Workshop on Pattern Recognition in Information Systems, PRIS’2004. – Porto, Portugal, 2004. – P. 169–175.
16. Федотов, Н. Г. Анализ текстур гистологических изображений / Н. Г. Федотов, Д. А. Мокшанина, С. В. Романов // Математические методы распознавания образов (ММРО-14) : тр. Всерос. конф. – М. : МАКС Пресс, 2009. – С. 611–613.
17. Fedotov, N. G. Recognition of halftone textures from the standpoint of stochastic geometry and functional analysis / N. G. Fedotov, D. A. Mokshanina // Pattern Recognition and Image Analysis. – 2010. – Vol. 20, № 4. – P. 551–556.