Распознавание образов в пространстве древовидных представлений
с многоуровневым разрешением
Аннотация
Предложен новый подход к структурному описанию двумерных объектов с полутоновой окраской деревьями геометрических примитивов и распознаванию образов в пространстве древовидных представлений по критерию ближайшего эталона. Предлагаемая методология ориентирована на существенное уменьшение вычислительной сложности распознавания образов в пространстве представлений с многоуровневым разрешением и применима для широкого класса образов произвольной формы, которые имеют собственные координатные оси. Разработанная методология древовидного представления образов базируется на их рекурсивной декомпозиции на сегменты и аппроксимации сегментов эллиптическими примитивами и обеспечивает инвариантность представлений к сдвигу, повороту, масштабу и уровню яркости представляемых объектов. На множестве древовидных представлений введена мера различия, которая позволяет на этапе обучения классификатора сформировать множество эталонов и построить многослойную базу эталонов, слои которой содержат отобранные эталонные объекты с нарастающими уровнями разрешения. Поиск решения в базе эталонов производится по схеме последовательных приближений к образу, предъявляемому для распознавания, и выполняется путем сужения зоны поиска в последовательных слоях базы эталонов. Структура представлений универсальна для различных типов образов, к которым относятся рукописные символы, подписи, жесты, лица и ряд других объектов. Эффективность применения древовидных представлений для распознавания рукописных символов и жестов по критерию ближайшего эталона иллюстрируется демонстрационной программой, работающей с базами American Sign Language (ASL)-жестов и подписей. Использование для указанных объектов древовидных представлений с числом уровней не менее семи обеспечивает эффективность распознавания с вероятностью ошибки не более 0.01 при переборной схеме поиска ближайших решающих эталонов, причем вероятность ошибки убывает с ростом уровня разрешения. Древовидная структура представлений образов позволяет достичь тех же показателей эффективности при вычислительных затратах в 10 и более раз меньших сложности полного перебора за счет направленного поиска решающих эталонов в иерархически структурированной базе эталонов с многоуровневым разрешением. Классификатор, построенный на основе древовидного представления образов, может использоваться для повышения эффективности распознавания в ансамбле классификаторов, использующих иные представления и критерии принятия решений.
Основные публикации
1. Lange M., Lange A. Data classification in the space of tree-structured representations. // Pattern Recognition and Image Analysis. Vol. 14, no. 1, pp. 12-22. - Moscow: MAIK Nauka/Interperiodica, 2004.
2. Lange M., Ganebnykh S. Tree-like data structures for effective recognition of 2-D solids. // Proceedings of 17th International Conference on Pattern Recognition (ICPR 2004, Cambridge, UK). Vol. 1, pp. 592-595. - Los Alamitos, Calif.: IEEE CS Press, 2004.
3. Lange M. An Efficiency of Block-based Data Array Representations. // Pattern Recognition and Image Analysis. Vol. 15, no. 1, pp. 76-79. - Moscow: MAIK Nauka/Interperiodica, 2005.
4. Lange M., Ganebnykh S., Lange A. Moment-Based Pattern Representation Using Shape and Grayscale Features. // Lecture Notes in Computer Science. Vol. 4477, pp. 523-530. - Berlin: Springer, 2007.
5. Ганебных С.Н., Ланге М.М. Древовидное представление образов для распознавания полутоновых объектов. (pdf file)
// Труды Вычислительного центра им. А.А Дородницына РАН. Заказ 48 (отдельный выпуск, 32 стр.). - Москва: ВЦ РАН, 2007.
6. Tatarchuk A., Sulimova V., Windridge D., Mottl V., Lange M. Supervised Selective Combining Pattern Recognition Modalities and its Application to Signature Verification by Fusing On-Line and Off-Line Kernels. // Lecture Notes in Computer Science. Vol. 5519, pp. 324-334. - Berlin: Springer, 2009.
7. Ganebnykh S., Lange M. Classification of 2D Grayscale Objects in a Space of the Multiresolution Representations. // Pattern Recognition and Image Analysis. Vol.19, no.4, pp. 591-602. - Moscow: MAIK Nauka/Interperiodica, 2009.
___________________________________________________________________________________________________________________________________
Проекты