Теоретико-вероятностная модель полутонового изображения для задачи распознавания образов без учителя на основе метода направленного перебора

Савченко А.В.

Аннотация:
Ставится и решается задача автоматического распознавания изображений без учителя на основе метода направленного перебора. Исследована новая теоретико-вероятностная модель полутонового изображения. Её применение позволило синтезировать новый критерий распознавания с самообучением на основе оптимального байесовского правила проверки статистических гипотез. Представлены программа и результаты экспериментального исследования для идентификации личности по фотографии лица. Показано, что применение предложенной модели совместно с методом направленного перебора характеризуется существенным сокращением объёма вычислений при сохранении высоких показателей точности распознавания изображений.

Abstract:
The problem of automatic image recognition with unsupervised learning is put and solved by the direct enumeration method. The new probability-theoretic model of halftone image is investigated. Its application has allowed synthesizing new recognition criterion with self-training on the basis of optimum Bayesian statistical rule. The experimental results in a problem of face recognition are presented. It is shown that the proposed image model combining with directed enumeration method is characterized by frequentative calculations’ reduction with preservation of image recognition accuracy.

Ключевые слова :
автоматическое распознавание изображений без учителя, самообучение, принцип минимума информационного рассогласования Кульбака-Лейблера, метод направленного перебора.

Key words:
automatic image recognition with unsupervised training, self training, minimum discrimination information principle, directed enumeration method.

Литература:

  1. TheodoridisS. Pattern Recognition / S. Theodoridis, C. Koutroumbas. – Elsevier Inc. – 4th Edition, 2009. – 840 p.
  2. Forsyth, D.A. Computer Vision: A Modern Approach / D.A. Forsyth, J. Ponce // Upper Saddle River, NJ: Prentice Hall, 2003. – 693 p.
  3. Face Processing: Advanced Modeling and Methods / edited by W. Zhao, R. Chellappa. – Elsevier: Academic Press, 2005. – 768 p.
  4. Kullback, S. Information Theory and Statistics / S. Kullback. – Dover Pub., 1978. – 408 p.
  5. Савченко, В.В. Информационная теория восприятия речи / В.В. Савченко // Известия вузов России. Радиоэлектроника. – 2007. – № 6. – С. 3-9.
  6. Савченко, А.В. Метод направленного перебора альтернатив в задаче распознавания полутоновых изображений / А.В. Савченко //Автометрия. – 2009. – Т. 45, № 3. – С. 90-98.
  7. Fukunaga, K. Introduction to Statistical Pattern Recognition, 2nd ed. / K. Fukunaga. – New York: Academic Press, Inc., 1991. – 591 p.
  8. Мясников, В.В. Анализ методов построения эффективных линейных локальных признаков цифровых сигналов и изображений / В.В. Мясников, А.Ю. Баври­на, О.А. Титова  // Компьютерная оптика. – 2010. – Т. 34, № 3. – C. 193-201.
  9. Shapiro, L. Computer vision / L. Shapiro, G. Stockman // Prentice Hall, 2001. – 752 p.
  10. Бибиков, С.А. Информационная технология коррекции теневых искажений на цветных цифровых изображениях / С.А. Бибиков, А.В. Никоноров, В.А. Фурсов // Компьютерная оптика. – 2010. – Т. 34, № 1. – С. 124-131.
  11. Swain, M.J. Color indexing / M.J. Swain, D.H. Ballard // International Journal of Computer Vision. – 1991: 11~32.
  12. Wong, K.M. Dominant Color Image Retrieval using Merged Histogram / K.M. Wong, C.H. Cheung, L.M. Po // Proc. the 2003 Int. Symposium. – 2003. – Vol. 2. – P. 908-911.
  13. Yoo, G.-H. Content-based image retrieval using shifted histogram / Gi-Hyoung Yoo, Beob Kyun Kim and Kang Soo You // ICCS, LNCS 4489. – 2007. – P. 894–897.
  14. Shi, J. Normalized cuts and image segmentation / J. Shi, L. Sandford, J. Ponce // IEEE Conference Computer Vision and pattern Recognition. – 1997. – P. 731-737.
  15. Кухарев, Г.А. Поиск изображений лиц в больших базах данных / Г.А. Кухарев // Мир измерений. – 2009. – № 4(98). – С. 22-30.
  16. Kohonen, T. Self Organizing Maps / T. Kohonen. – New York: Springer Berlin Heidelberg, 2001. – 500 p.
  17. Цыпкин, Я.З. Адаптация и обучение в автоматических системах / Я.З. Цыпкин. – М.: Наука, 1968. – 400 с.
  18. Савченко, А.В. Распознавание образов: метод направленного перебора для задач классификации с большим количеством альтернатив / А.В. Савченко // Lambert Academic Publishing, 2011. – 140 с.
  19. Beis, J. Shape indexing using approximate nearest-neigh­bour search in highdimensional spaces / J. Beis, D.G. Lowe // Conference on Computer Vision and Pattern Recognition. – 1997. –P. 1000-1006.
  20. Фурсов, В.А. Распознавание лиц по показателям сопряженности в пространстве суммирующих инвариантов / В.А. Фурсов, Н.Е. Козин // Компьютерная оптика. – 2008. – Т. 32, № 4. – С. 400-402.
  21. Кухарев, Г.А. Алгоритмы двумерного анализа главных компонент для задач распознавания изображений лиц / Г.А. Кухарев, Н.Л. Щеголева // Компьютерная оптика. – 2010. – Т. 34, № 4. – С. 119-125.
  22. Савченко, А.В. Автоматизированная система распознавания людей по фотографиям лиц / А.В. Савченко // Программа для ЭВМ. Свид-во о гос. регистрации № 2009616508 по заявке 2009615314 от 28.09.2009.
  23. The Essex Face database: http://cswww.essex.ac.uk/mv/allfaces/index.html.
  24. The AT&T (ORL) database  - www.uk.research.att.com/pub/data/att_faces.zip .

References:

  1. Theodoridis, S. Pattern Recognition / S. Theodoridis, C. Koutroumbas. – Elsevier Inc. – 4th Edition, 2009. – 840 p.
  2. Forsyth, D.A. Computer Vision: A Modern Approach / D.A. Forsyth, J. Ponce // Upper Saddle River, NJ: Prentice Hall, 2003. – 693 p.
  3. Face Processing: Advanced Modeling and Methods / edited by W. Zhao, R. Chellappa. – Elsevier: Academic Press, 2005. – 768 p.
  4. Kullback, S. Information Theory and Statistics / S. Kullback. – Dover Pub., 1978. – 408 p.
  5. Savchenko, V.V. Information theory of speech perception / V.V. Savchenko // Izvestia vuzov Rossii. Radioelektronika. – 2007. – Vol. 6. – P. 3-9. – (in Russian).
  6. Savchenko, A.V., Method of directed enumeration of alternatives in the problem of automatic recognition of half-tone images / A.V. Savchenko // Optoelectronics, Instrumentation and Data Processing. – 2009. – Vol. 3, N 45. –  P. 255-261. – (in Russian).
  7. Fukunaga, K. Introduction to Statistical Pattern Recognition, 2nd ed. / K. Fukunaga. – New York: Academic Press, Inc., 1991. – 591 p.
  8. Myasnikov, V.V. Analysis of the methods for construction of linear local features / V.V. Myasnikov, A.U. Bavri­na, O.A. Titova // Computer optics. – 2010. – Vol. 34, N 3. – P. 193-201. – (in Russian).
  9. Shapiro, L. Computer vision / L. Shapiro, G. Stockman. – Prentice Hall, 2001. – 752 p.
  10. BibikovS.A. Correction of shadow artifacts on colorful digital images / S.A. Bibikov, A.V. Nikonorov, V.A. Fursov // Computer optics. – 2010. – V. 34, N 1. – P. 124-131. – (In Russian).
  11. Swain, M.J. Color indexing / M.J. Swain, D.H. Ballard // International Journal of Computer Vision. – 1991: 11~32.
  12. Wong, K.M. Dominant Color Image Retrieval using Merged Histogram / K.M. Wong, C.H. Cheung, L.M. Po // Proc. the 2003 Int. Symposium. – 2003. – Vol. 2. – P. 908-911.
  13. Yoo, G.-H. Content-based image retrieval using shifted histogram / Gi-Hyoung Yoo, Beob Kyun Kim and Kang Soo You // ICCS, LNCS 4489. – 2007. – P. 894–897.
  14. Shi, J. Normalized cuts and image segmentation / J. Shi, L. Sandford, J. Ponce // IEEE Conference Computer Vision and pattern Recognition. – 1997. – P. 731-737.
  15. Kukharev, G.A. Find pictures of persons in large databases / G.A. Kukharev // World measurement. – 2009. – Vol. 4(98). – P. 22-30. – (in Russian).
  16. Kohonen, T. Self Organizing Maps / T. Kohonen. – New York: Springer Berlin Heidelberg, 2001. – 500 p.
  17. Tsypkin, Y.Z. Adaptation and training in automated systems/ / Y.Z. Tsypkin – Moscow: “Nauka” Publisher, 1968. – 400 p. – (in Russian).
  18. Savchenko, A.V. Pattern recognition: method of directed enumeration of alternatives in the classification problem with large database / A.V. Savchenko // Lambert Academic Publishing, 2011. – 140 p. – (in Russian).
  19. Beis, J. Shape indexing using approximate nearest-neigh­bour search in highdimensional spaces / J. Beis, D.G. Lowe // Conferenceon Computer Vision and Pattern Recognition. – 1997. –P. 1000-1006.
  20. Fursov, V.A. Face recognition on the basis of conjugation indexes in the space of summarizing invariants / V.A. Rursov, N.E. Kozin // Computer optics. – 2008. – Vol. 32 (4). – P. 400-402. – (in Russian).
  21. Kukharev, G.A. Algorithms of two-dimensional principal component analysis for face recognition / G.A. Kukharev, N.L. Schegoleva // Computer optics. – 2010. – Vol. 34(4). – P. 119-125. – (in Russian).
  22. Savchenko, A.V. Automated system for face recognition / A.V. Savchenko // Computer program. The certificate of state registration N 2009616508 under the demand on 2009615314 from 28.09.2009. – (in Russian).
  23. The Essex Face database: http://cswww.essex.ac.uk/mv/allfaces/index.html.
  24. The AT&T (ORL) database  - www.uk.research.att.com/pub/data/att_faces.zip .

© 2009, ИСОИ РАН
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 332-56-22, факс: +7 (846) 332-56-20