@ARTICLE{26583204_109784860_2013, 
	author = {Г. А. Кухарев and Е. И. Каменская and Н. Л. Щеголева}, 
	keywords = {, сравнение семантически не связанных изображений, канонический корреляционный анализ, фазовая корреляцияиндекс подобия},
	title = {Методы представления и сравнения семантически разных классов изображений},
	journal = {Бизнес-информатика},
	year = {2013},
	number = {4(26)},
	pages = {43-52},
	url = {https://bijournal.hse.ru/2013--4(26)/109784860.html},
	publisher = {},
	abstract = {Кухарев Георгий Александрович - доктор технических наук, профессор кафедры математического обеспечения и применения ЭВМ, факультет компьютерных технологий и информатики, Санкт-Петербургский государственный электротехнический университет; профессор факультета информатики, Западно-поморский технологический университет, Щецин, Польша.Адрес: 197376, г. Санкт-Петербург, ул. Профессора Попова, 5.E-mail: kuga41@gmail.ru, gkukharev@wi.zut.edu.plКаменская Екатерина Ивановна - кандидат технических наук, инженер программного обеспечения компании Google, Цюрих, Швейцария.Адрес: Switzerland, 8002, Zürich, Brandschenkestrasse 110.E-mail: ekamenskaya@google.comЩеголева Надежда Львовна - кандидат технических наук, доцент кафедры математического обеспечения и применения ЭВМ, факультет компьютерных технологий и информатики, Санкт-Петербургский государственный электротехнический университет.Адрес: 197376, г. Санкт-Петербург, ул. Профессора Попова, 5.E-mail: stil_hope@mail.ruВ статье обсуждаются методы представления и сравнения семантически не связанных изображений, визуально подобных - имеющих схожие цвет, форму, текстуру, c оценкой их меры подобия в исходном пространстве признаков, а также представление алгоритма двумерного канонического корреляционного анализа (Canonical Correlation Analysis - 2D CCA/2D KLT) для реализации проекции этих изображений в пространство канонических переменных (ПКП) и оценки их меры подобия в ПКП.Для сравнения изображений в исходном пространстве признаков использованы гистограммы цветных изображений и их фазовая корреляция, двумерная фазовая корреляция исходных изображений, а также индекс структурного подобия (Structural SIMilarity Index - SSIM). Однако доказать подобие, соответствующее субъективным ощущениям для выбранных примеров, удалось только частично - наличием фазовой корреляции между цветовыми яркостными гистограммами, что обусловлено цветовой гаммой изображений. Двумерная фазовая корреляция исходных изображений, а также индекс структурного подобия показали отсутствие подобия изображений.Проекция рассматриваемых изображений в ПКП, реализованная в рамках метода 2D CCA/2D KLT, специально предназначенного для обработки двух составов изображений и детально представленного в статье, позволила подтвердить факт установления корреляции между изображениями собаки и ее хозяина в ПКП, в то время как никакими другими способами это подтвердить не удалось. При этом показано, что «неподобное в исходном пространстве признаков» может быть подобным в  ПКП. Это позволяет в рамках методов 2D CCA решать задачи индексирования одних изображений через другие (поиск, распознавание, модельное отображение одних образов в другие, реконструкция образов). Полученные результаты показывают, что методы 2D CCA/2D KLT могут быть широко использованы в задах поиска, распознавания и классификации образов и сокращения избыточности их представления независимо от их семантической взаимосвязи. },
	annote = {Кухарев Георгий Александрович - доктор технических наук, профессор кафедры математического обеспечения и применения ЭВМ, факультет компьютерных технологий и информатики, Санкт-Петербургский государственный электротехнический университет; профессор факультета информатики, Западно-поморский технологический университет, Щецин, Польша.Адрес: 197376, г. Санкт-Петербург, ул. Профессора Попова, 5.E-mail: kuga41@gmail.ru, gkukharev@wi.zut.edu.plКаменская Екатерина Ивановна - кандидат технических наук, инженер программного обеспечения компании Google, Цюрих, Швейцария.Адрес: Switzerland, 8002, Zürich, Brandschenkestrasse 110.E-mail: ekamenskaya@google.comЩеголева Надежда Львовна - кандидат технических наук, доцент кафедры математического обеспечения и применения ЭВМ, факультет компьютерных технологий и информатики, Санкт-Петербургский государственный электротехнический университет.Адрес: 197376, г. Санкт-Петербург, ул. Профессора Попова, 5.E-mail: stil_hope@mail.ruВ статье обсуждаются методы представления и сравнения семантически не связанных изображений, визуально подобных - имеющих схожие цвет, форму, текстуру, c оценкой их меры подобия в исходном пространстве признаков, а также представление алгоритма двумерного канонического корреляционного анализа (Canonical Correlation Analysis - 2D CCA/2D KLT) для реализации проекции этих изображений в пространство канонических переменных (ПКП) и оценки их меры подобия в ПКП.Для сравнения изображений в исходном пространстве признаков использованы гистограммы цветных изображений и их фазовая корреляция, двумерная фазовая корреляция исходных изображений, а также индекс структурного подобия (Structural SIMilarity Index - SSIM). Однако доказать подобие, соответствующее субъективным ощущениям для выбранных примеров, удалось только частично - наличием фазовой корреляции между цветовыми яркостными гистограммами, что обусловлено цветовой гаммой изображений. Двумерная фазовая корреляция исходных изображений, а также индекс структурного подобия показали отсутствие подобия изображений.Проекция рассматриваемых изображений в ПКП, реализованная в рамках метода 2D CCA/2D KLT, специально предназначенного для обработки двух составов изображений и детально представленного в статье, позволила подтвердить факт установления корреляции между изображениями собаки и ее хозяина в ПКП, в то время как никакими другими способами это подтвердить не удалось. При этом показано, что «неподобное в исходном пространстве признаков» может быть подобным в  ПКП. Это позволяет в рамках методов 2D CCA решать задачи индексирования одних изображений через другие (поиск, распознавание, модельное отображение одних образов в другие, реконструкция образов). Полученные результаты показывают, что методы 2D CCA/2D KLT могут быть широко использованы в задах поиска, распознавания и классификации образов и сокращения избыточности их представления независимо от их семантической взаимосвязи. }
}