ТРИПЛЕТНЫЕ ПРИЗНАКИ РАСПОЗНАВАНИЯ СЛОЖНОСТРУКТУРИРОВАННЫХ,
СЕМАНТИЧЕСКИ НАСЫЩЕННЫХ ИЗОБРАЖЕНИЙ 

Федотов Николай Гаврилович, доктор технических наук, профессор, заведующий кафедрой экономической кибернетики Пензенского государственного университета.
Кольчугин Андрей Сергеевич, аспирант кафедры экономической кибернетики Пензенского государственного университета.
Смолькин Олег Александрович, аспирант кафедры экономической кибернетики Пензенского государственного университета.
Романов Сергей Валентинович, аспирант кафедры экономической кибернетики Пензенского государственного университета.

 621.3.019:621.397:681.3

В статье дается описание признаков распознавания образов, основанных на методах стохастической геометрии и имеющих трехфункциональную структуру (триплетных признаков). Рассматриваются подходы к формированию информативных триплетных признаков на основе генерации и экстрак-
ции. На примере распознавания изображений из области медицинской диагностики обосновывается применимость описываемых методов формирования признаков для распознавания сложноструктурированных, семантически насыщенных изображений.

 Скачать статью в формате PDF

1. Федотов, Н. Г. Методы стохастической геометрии в распознавании образов / Н. Г. Федотов. – М. : Радио и связь, 1990.
2. Fedotov, N. G. Image Scanning in Machine Vision Leads to New Understanding of Image / N. G. Fedotov, A. A. Kadyrov // Proc. of 5th Int. Workshop of Digital Image Processing and Computer Graphics. – Samara, Russia: Held by the Int. Society for Optical Engineering (DIP’94), SPIE, 1994. – Vol. 2363.
3. Fedotov, N. G. The Theory of Image Recognition Features Based on Stochastic Geometry / N. G. Fedotov // Pattern Recognition and Image Analysis. – 1998. – Vol. 8. – №. 2. – Р. 264–267.
4. Федотов, Н. Г. Техническая дефектоскопия на основе новой теории распознавания образов / Н. Г. Федотов, Т. В. Никифорова. // Измерительная техника. – 2002. – № 12. – С. 27–31.
5. Федотов, Н. Г. Анализ свойств признаков распознавания, основанных на стохастической геометрии, при различных вариантах сканирования изображений / Н. Г. Федотов, А. В. Моисеев, Л. А. Шульга, А. С. Кольчугин // Математические методы распознавания образов : сборник докладов XII Всероссийской конференции, ноябрь 2005 г. – М. : МАКС Пресс, 2005. – С. 472–475.
6. Fedotov, N. G. Pattern Recognition Feature and Image Processing Theory on the Basis of Stochastic Geometry / N. G. Fedotov, L. A. Shulga, A. V. Moiseev, A. S. Kolchugin // Proc. of the 2nd Int. Conf. on Informatics in Control, Automation and Robotics, ICINCO 2005, Barcelona, Spain, September 2005. – Vol. III. – Р. 187–192.
7. Федотов, Н. Г. Новое геометрическое двойственное трейс-преобразование и его приложение для нелинейной фильтрации изображений / Н. Г. Федотов, Л. А. Шульга, А. В. Моисеев, А. С. Кольчугин // Искусственный интеллект. – 2006. – № 2. – С. 117–120.
8. Vincent, L. Morphological Grayscale Reconstruction in Image Analysis: Applications and Efficient Algorithms / L. Vincent // IEEE Transactions on Image Processing. – 1993. – April. – Vol. 2. – № 2. – Р. 176–201.
9. Fedotov, N. G. Histological image analysis in diagnostic system based on stochastic geometry methods / N. G. Fedotov, L. A. Shulga, A. S. Kol’chugin, S. V. Romanov // Pattern Recognition and Information Processing : Proc. of the 9th Int. Conf. (PRIP 2007). – Minsk, 2007. – May. – Vol. 1. – Р. 113–117.
10. Tou, J. Pattern recognition principles / J. Tou, R. Gonzalez. – Addison-Wesley, 1974.