Алгоритм классификации и восстановления искаженных n-мерных групповых точечных объектов на основе комбинаторного поиска фрагментов
Ключевые слова:
групповой точечный объект, классификация, многомерное шкалированиеАннотация
Представлен алгоритм классификации образцов многомерных групповых точечных объектов. Поиск осуществляется на основе комбинаторного поиска соразмерных фрагментов матриц попарных отношений на множестве шаблонов. Решение об отнесении образца к тому или иному шаблону принимается по критерию минимума евклидового расстояния. Представленный подход к распознаванию позволяет синтезировать инвариантные (относительно вращения, масштабирования или смещения системы координат) описания вторичных признаков, а также использовать достаточно мощный инструментарий теории многомерного и метрического шкалирования в компенсации искажений распознанных образов групповых точечных объектов. В алгоритме реализована процедура статистических испытаний Монте-Карло, в рамках которого каждая точка случайным образом размещенная в предполагаемой окрестности искомых координат проверяется по условию минимума квадратического показателя сходства. Приведены пример и результаты использования алгоритма для идентификации и восстановления искаженных и подвергнутых воздействию координатных шумов радиоизображений, представленных выборкой шаблонов "блестящих" точек.Литература
1. Dostovalov M., Ermakov R., Moussiniants T. Airborne Testing of Multi-channel Modes of the Perspective Spaceborne // Proceedings of 10th European Conference on Synthetic Aperture Radar (EUSAR 2014). 2014. pp. 1‒4.
2. Авдеев В.А., Бахолдин В.С., Гаврилов Д.А. и др. Комплекс экспериментов по приему отраженных земной поверхностью сигналов спутниковых радионавигационных систем ГЛОНАСС/GPS // Труды института прикладной астрономии РАН. 2012. № 23. С. 230‒235.
3. Romeiser R. et al. First Analysis of TerraSAR-X Along-Track InSAR-Derived Current Fields // IEEE Trans. on Geoscience and Remote Sensing. 2010. vol. 48. no. 2. pp. 820–829.
4. Верба В.С. Авиационные комплексы радиолокационного дозора и наведения. Принципы построения, проблемы разработки и особенности функционирования // М.: Радиотехника. 2014. 528 с.
5. Rozhentsov А.А., Bayev А.А. Estimation of 3D images parameters set by disordered readouts // Proceedings of 9th Int. Conf. “Pattern Recognition and Image Analysis: New Information Technologies”. 2008. vol. 2. рp. 133‒135.
6. Фурман Я.А. Точечные поля и групповые объекты // М.: Физматлит. 2015. 440 с.
7. Хафизов Р.Г., Фурман Я.А. Исследование влияния яркостной информации точек пространственного группового точечного объекта на устойчивость его проволочной модели // Вестник Марийского государственного технического университета. 2009. № 2(6). С. 35‒43.
8. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Под ред. Я. А. Фурмана // М.: Физматлит. 2004. 298 с.
9. Фурман Я.А., Хафизов Д.Г. Распознавание групповых точечных объектов в трехмерном пространстве // Автометрия. 2003. Том. 39. №1. С. 3‒14.
10. Doerry A.W., Dubbert D.F., Thompson M.E., Gutierrez V.D. A portfolio of fine resolution Ka-band SAR images: Part I // SPIE Defense and Security Symposium. 2005.
11. Фурман Я.А., Егошина И.Л., Ерусланов Р.В. Согласованная фильтрация зашумленных дискретных кватернионных сигналов // Журнал радиоэлектроники. 2012. №3. С. 1–35.
12. Ипатов Ю.А., Кревецкий А.В. Методы обнаружения и пространственной локализации групп точечных объектов // Кибернетика и программирование. 2014. № 6. С.17‒25.
13. Szeliski R. Computer Vision: Algorithms and Applications // Springer. 2011. 812 p.
14. Furman Y.A., Eruslanov R.V., Egoshina I.L. Iterative Algorithm for angular matching of group point objects with apriori uncertainty of parameters // Pattern recognition and image analysis. 2013. vol. 23. no. 3. pp. 381‒388.
15. Furman Ya.A., Egoshina I.L., Eruslanov R.V. Matching angular and vector descriptions of three-dimensional group point objects // Optoelectronics, Instrumentation and Data Processing. 2012. vol. 48. №6. pp. 537‒549.
16. Novikov A.I.,Sablina V.A.,Nikiforov M.B.,Loginov A.A. Contour analysis and image superimposition task in computer vision systems // The 11th International Conference "Pattern Recognition and Image Analysis: New Information Technologies» (PRIA-11-2013). 2013. pp. 282‒285.
17. Furman Ya.A., Eruslanov R.V., Egoshina I.L. Reconstruction of Images and Recognition of Polyhedral Objects // Pattern Recognition and Image Analysis. 2012. vol. 22. no. 1. pp. 196‒209.
18. Furman Ya.A., Eruslanov R.V., Lazarev A.O. Calculation of the Vertex Coordinates of a Polyhedral Body by the Results of Coordinated Filtration of the Contours of Its Perspective Projections // Pattern Recognition and Image Analysis. 2012. vol. 22. no. 1. pp. 188‒195.
19. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе // М.: МИФИ. 1998. 224 с.
20. Биргер И. А. Техническая диагностика // М.: Машиностроение. 1978. 240 с.
21. Torgerson W.S. Theory and methods of scaling // New York: Wiley. 1958. 460 p.
22. Young F.W., Householder A.S. A note on multidimensional psychophysics // Psychometrika. 1941. vol. 6. pp. 331‒333.
23. Дэйвисон М. Многомерное шкалирование. Методы наглядного представления данных // М.: Финансы и статистика. 1982. 254 с.
2. Авдеев В.А., Бахолдин В.С., Гаврилов Д.А. и др. Комплекс экспериментов по приему отраженных земной поверхностью сигналов спутниковых радионавигационных систем ГЛОНАСС/GPS // Труды института прикладной астрономии РАН. 2012. № 23. С. 230‒235.
3. Romeiser R. et al. First Analysis of TerraSAR-X Along-Track InSAR-Derived Current Fields // IEEE Trans. on Geoscience and Remote Sensing. 2010. vol. 48. no. 2. pp. 820–829.
4. Верба В.С. Авиационные комплексы радиолокационного дозора и наведения. Принципы построения, проблемы разработки и особенности функционирования // М.: Радиотехника. 2014. 528 с.
5. Rozhentsov А.А., Bayev А.А. Estimation of 3D images parameters set by disordered readouts // Proceedings of 9th Int. Conf. “Pattern Recognition and Image Analysis: New Information Technologies”. 2008. vol. 2. рp. 133‒135.
6. Фурман Я.А. Точечные поля и групповые объекты // М.: Физматлит. 2015. 440 с.
7. Хафизов Р.Г., Фурман Я.А. Исследование влияния яркостной информации точек пространственного группового точечного объекта на устойчивость его проволочной модели // Вестник Марийского государственного технического университета. 2009. № 2(6). С. 35‒43.
8. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Под ред. Я. А. Фурмана // М.: Физматлит. 2004. 298 с.
9. Фурман Я.А., Хафизов Д.Г. Распознавание групповых точечных объектов в трехмерном пространстве // Автометрия. 2003. Том. 39. №1. С. 3‒14.
10. Doerry A.W., Dubbert D.F., Thompson M.E., Gutierrez V.D. A portfolio of fine resolution Ka-band SAR images: Part I // SPIE Defense and Security Symposium. 2005.
11. Фурман Я.А., Егошина И.Л., Ерусланов Р.В. Согласованная фильтрация зашумленных дискретных кватернионных сигналов // Журнал радиоэлектроники. 2012. №3. С. 1–35.
12. Ипатов Ю.А., Кревецкий А.В. Методы обнаружения и пространственной локализации групп точечных объектов // Кибернетика и программирование. 2014. № 6. С.17‒25.
13. Szeliski R. Computer Vision: Algorithms and Applications // Springer. 2011. 812 p.
14. Furman Y.A., Eruslanov R.V., Egoshina I.L. Iterative Algorithm for angular matching of group point objects with apriori uncertainty of parameters // Pattern recognition and image analysis. 2013. vol. 23. no. 3. pp. 381‒388.
15. Furman Ya.A., Egoshina I.L., Eruslanov R.V. Matching angular and vector descriptions of three-dimensional group point objects // Optoelectronics, Instrumentation and Data Processing. 2012. vol. 48. №6. pp. 537‒549.
16. Novikov A.I.,Sablina V.A.,Nikiforov M.B.,Loginov A.A. Contour analysis and image superimposition task in computer vision systems // The 11th International Conference "Pattern Recognition and Image Analysis: New Information Technologies» (PRIA-11-2013). 2013. pp. 282‒285.
17. Furman Ya.A., Eruslanov R.V., Egoshina I.L. Reconstruction of Images and Recognition of Polyhedral Objects // Pattern Recognition and Image Analysis. 2012. vol. 22. no. 1. pp. 196‒209.
18. Furman Ya.A., Eruslanov R.V., Lazarev A.O. Calculation of the Vertex Coordinates of a Polyhedral Body by the Results of Coordinated Filtration of the Contours of Its Perspective Projections // Pattern Recognition and Image Analysis. 2012. vol. 22. no. 1. pp. 188‒195.
19. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе // М.: МИФИ. 1998. 224 с.
20. Биргер И. А. Техническая диагностика // М.: Машиностроение. 1978. 240 с.
21. Torgerson W.S. Theory and methods of scaling // New York: Wiley. 1958. 460 p.
22. Young F.W., Householder A.S. A note on multidimensional psychophysics // Psychometrika. 1941. vol. 6. pp. 331‒333.
23. Дэйвисон М. Многомерное шкалирование. Методы наглядного представления данных // М.: Финансы и статистика. 1982. 254 с.
Опубликован
2016-12-15
Как цитировать
Каплин, А. Ю., Коротин, А. А., Назаров, А. В., & Якимов, В. Л. (2016). Алгоритм классификации и восстановления искаженных n-мерных групповых точечных объектов на основе комбинаторного поиска фрагментов. Труды СПИИРАН, 6(49), 167-189. https://doi.org/10.15622/sp.49.9
Раздел
Алгоритмы и программные средства
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
