Н. Г. Федотов, Д. А. Мокшанина
МИНИМИЗАЦИЯ РАЗМЕРНОСТИ ПРИЗНАКОВОГО
ПРОСТРАНСТВА ПРИ РАСПОЗНАВАНИИ ПОЛУТОНОВЫХ
ИЗОБРАЖЕНИЙ СО СЛОЖНОЙ ТЕКСТУРОЙ1
Аннотация. <...> Рассмотрены два подхода к проблеме минимизации размерности
признакового пространства. <...> Ключевые слова: полутоновые изображения со сложной текстурой, стохастическая геометрия, триплетный признак, минимизация размерности признакового пространства. <...> Введение
В силу того что изображения со сложной текстурой содержат множество объектов, относящихся к различным видам, каждый из которых обладает
своими собственными значимыми характеристиками, задача формирования
признаков существенно усложняется. <...> Аппарат стохастической геометрии предлагает универсальный метод,
позволяющий автоматически, без непосредственного участия эксперта, генерировать большое число признаков, являющихся математической абстрактной характеристикой изображения. <...> Опора на большое количество признаков
повышает надежность распознавания. <...> Эффективность аппарата стохастической геометрии была подтверждена в работах [1, 2]. <...> С позиции данного метода признаки изображений имеют структуру
в виде композиции трех функционалов [1]: <...> (1)
где ρ, θ – нормальные координаты сканирующей прямой l(ρ, θ), с которыми
связаны функционалы P и Θ соответственно; функционал T связан с параметром t, задающим точку на сканирующей прямой l(ρ, θ); F(х, у) – функция изображения на плоскости (х, у). <...> В связи с характерной структурой такие признаки были названы триплетными. <...> Функционал Т называют trace-функционалом, P – диаметральным
функционалом, Θ – круговым функционалом. <...> Функционалы T, P и Θ выбираются из различных областей математики: теории вероятности, математической статистики, теории рядов и фракталов, стохастической геометрии и т.д. <...> Таким образом, триплетные признаки сохраняют следы генезиса соответствующих областей математики, чем объясняется гибкость и интеллектуаль1
Работа выполнена при финансовой <...>