Аннотация
Предметом исследования данной статьи являлось применение формы гистограмм распределения яркости пикселей в качестве вектора признака для классификации изображений с лицами. В рамках задачи распознавания считается, что каждому образу ставится в соответствие единственное значение вектора признаков. Векторы образов содержат всю поддающуюся кодированию информацию об образе и рассматриваются в качестве точек n–мерного евклидова пространства. Классификация образов проводилась по критерию минимума расстояния между векторами. В статье также описывалось использование гистограмм яркости пикселей в стабилизации яркости изображения. Приведены результаты тестирования метода путем различных модификаций над вычислением гистограммы, результаты сравнения экспериментов распознавания для полной и составной гистограмм признаков. Полученные результаты подтверждают гипотезу использования яркостных гистограмм в качестве исходного вектора признаков. В свою очередь, сравнение двух схожих изображений, в которых имеются небольшие изменения в отдельных незначительных элементах сцены, может быть основано на применении гистограмм яркости, в которых эффективно подобран параметр уровней дискретизаций. В завершении статьи прилагается описание недостатков и преимуществ данного метода. Тестирование выполнялось над базой изображений лиц Olivetti Research Laboratory.
Ключевые слова
Идентификация, признаки образа, процесс распознавания, гистограмма распределения яркости, вычислительные технологии.
1. Жумагалиева, А.Ж. Построение математической модели распознавания образов. / А.Ж. Жумагалиева // Алматинская Академия Экономики и Статистики. – 2015. – Вып. 1 (56).
2. Денисенко О.А. Математическая теория распознавания образов, 2013.
3. Посохов, И.А. Технология обработки изображений заготовок на основе операций морфологического анализа / И.А. Посохов, О.С. Логунова // Математическое и программное обеспечение систем в промышленной и социальной сферах. – 2011. – № 1-2. – С. 191-196.
4. Логунова, О.С. Оценка статистическими методами серного отпечатка поперечного темплета непрерывнолитой заготовки // О.С. Логунова, В.В. Павлов, Х.Х. Нуров // Электрометаллургия. – 2004. – №5. – С. 18-24.
5. Компьютерное зрение для развития биометрических технологий. Агентство инноваций и развития экономических и социальных проектов. – URL: https://www.innoros.ru/publications/foreign-innovations/16/ kompyuternoe-zrenie-dlya-razvitiya-biometricheskikh-tekhnologii.
6. Гонсалес, Р. Цифровая обработка изображений в среде Matlab / Р. Гонсалес, Р. Вудс, С. Эддинс. – М.: Техносфера, 2006. – 621 с.
7. Обработка сигналов и изображений\Image processing toolbox. – URL: http://matlab.exponenta.ru/ imageprocess/book3/10/imadjust.php.
8. Чабан, Л.Н. Теория и алгоритмы распознавания образов: уч. пособие / Л.Н. Чабан. – М.: МИИГАиК, 2004. – 70с.
9. Гонсалес, Р. Принципы распознавания образов / Р. Гонсалес, Т. Дж. – М.; Мир, 1978. – 414 с.
10. Аимбетова, Д.Т. Распознавание изображений лиц для идентификации личности / Д.Т. Аимбетова, А.З. Муслимова, Б.Ж. Жарлыкасов // Актуальные научные исследования в современном мире. – 2017. – Вып. 12. – С.164-168.
11. Методы обработки и распознавание изображений лиц в задачах биометрии / Г.А. Кухарев в и др. – СПб.: Политехника, 2013. – 388 с.
12. Кухарев, Г.А. Методы представления и сравнения семантически разных классов изображений / Г.А. Кухарев, Н.Л. Щеголева // Бизнес-информатика. – 2013. – №4(26). – С.43-52.
Аимбетова Д.Т. Использование гистограмм яркости пикселей в процессе распознавания / Д.Т. Аимбетова, А.З. Муслимова // Математическое и программное обеспечение систем в промышленной и социальной сферах. – 2018. – Т.6. – №2. – C. 35-41.