Скрыть
Раскрыть

ISSN 1998-0663 (print),
ISSN 2587-8166 (online)

English version: ISSN 2587-814X (print),
ISSN 2587-8158 (online)

Кухарев Г. А. , Каменская Е. И. , Щеголева Н. Л. 

Методы представления и сравнения семантически разных классов изображений

2013. № 4(26). С. 43–52 [содержание номера]

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.pl

Каменская Екатерина Ивановна – кандидат технических наук, инженер программного обеспечения компании Google, Цюрих, Швейцария.
Адрес: Switzerland, 8002, Zürich, Brandschenkestrasse 110.
E-mail: ekamenskaya@google.com

Щеголева 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.ru

В 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. 

BiBTeX
RIS
 
 
Rambler's Top100 rss