Сравнение двух подходов к построению наборов линейных локальных признаков цифровых сигналов
Мясников В.В.

Аннотация:
В работе производится сравнение двух подходов к построению наборов линейных локальных признаков (ЛЛП) цифровых сигналов. Первый из анализируемых подходов основан на формировании набора ЛЛП из отдельно конструируемых эффективных ЛЛП, каждый из которых имеет свой алгоритм вычисления признака. Второй подход предполагает построение эффективного набора ЛЛП, имеющего единый алгоритм совместного вычисления всех признаков. Сравнение как аналитическое, так и экспериментальное производится по нескольким показателям, отражающим вычислительные и качественные свойства конструируемых ЛЛП. Также производится экспериментальное сравнение двух сопоставляемых подходов с известными решениями.

Abstract:
The paper compares two approaches to the construction of sets of linear local features (LLF) of digital signals. The first of the analyzed approaches forms a set of LLF using independent efficient LLFs, each of which has its own algorithm for computing the feature value. The second approach constructs an efficient set of LLF, which has a single algorithm of joint computation of values of all features. Analytical and experimental comparison is made for several indicators of the computational and qualitative properties of the constructed LLF. An experimental comparison of two approaches with known solutions is also presented.

Ключевые слова :
цифровые сигналы, линейные локальные признаки, набор признаков, вычислительная сложность, качество обработки, эффективность.

Key words:
digital signals, linear local features, features set, computational complexity, processing quality, efficiency.

Литература:

  1. Мясников, В.В.О синтезе эффективного алгоритма над множеством алгоритмов вычисления свёртки / В.В. Мясников // Компьютерная оптика. ? Вып. 29. – 2006. – С. 78-117.
  2. Мясников, В.В. Эффективные локальные линейные признаки цифровых сигналов и изображений / В.В. Мясников // Компьютерная оптика. – 2007. – Т. 31, № 4. – С. 58-76.
  3. Мясников, В.В. Построение эффективных линейных локальных признаков в задачах обработки и анализа изображений / В.В. Мясников // Автоматика и Телемеханика. – 2010. – № 3. – С. 162-177.
  4. 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. – С. 193-201.
  5. Мясников, В.В. Эффективные наборы совместно-вычисляемых линейных локальных признаков цифровых сигналов / В.В. Мясников // Компьютерная оптика. – 2011. – Т. 35, № 1. – С. 77-94.
  6. Computer Image Processing, Part I: Basic Concepts and Theory / edited by Victor A. Soifer (Editor). – VDM Ver­lag, 2009. – 296 p.
  7. Computer Image Processing, Part II: Methods and algorithms / edited by Victor A. Soifer (Editor). – VDM Ver­lag, 2009. – 584 p.
  8. Forsyth, D.A. Computer Vision: A Modern Approach / D.A. Forsyth, J. Ponce // Upper Saddle River, NJ: Prentice Hall, 2003. – 693 p.
  9. Agarwal, R.P. Difference Equations and Inequality: Theory, Methods, and Applications / R.P. Agarwal. – New York: Marcel Dekker, 2000. – 998 p.
  10. Гихман, И.И. Введение в теорию случайных процессов / И.И. Гихман, А.В. Скороход. – М.: Наука, 1965.
  11. Nussbaumer, H.J. Fast Fourier Transform and Convolution Algorithms (2nd ed.) / H.J. Nussbaumer. – New York: Springer-Verlag, 1982.

References:

  1. Myasnikov, V.V.On the synthesis of the efficient algorithm over the set of the convolution algorithms/ V.V. Myasnikov // Computer optics. – Issue 29. – 2006. – P. 78-117. – (in Russian).
  2. Myasnikov, V.V. Efficient linear local features of signals and images / V.V. Myasnikov // Computer optics. – 2007. – Vol. 31, N 4. – P. 58-76. – (in Russian).
  3. Myasnikov, V.V. Construction of efficient linear local features for image processing and analysis / V.V. My­asnikov // Automation and Remote Control. – 2010. – N 3. – P. 162-177. – (in Russian).
  4. 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).
  5. Myasnikov, V.V. Efficient sets of jointly calculated linear local features of digital signals / V.V. Myasnikov // Computer optics. – 2011. – Vol. 35, N 1. – P. 77-94. – (in Russian).
  6. Computer Image Processing, Part I: Basic Concepts and Theory / edited by Victor A. Soifer (Editor). – VDM Verlag, 2009. – 296 p.
  7. Computer Image Processing, Part II: Methods and algorithms / edited by Victor A. Soifer (Editor). – VDM Ver­lag, 2009. – 584 p.
  8. Forsyth, D.A. Computer Vision: A Modern Approach / D.A. Forsyth, J. Ponce // Upper Saddle River, NJ: Prentice Hall, 2003. – 693 p.
  9. Agarwal, R.P. Difference Equations and Inequality: Theory, Methods, and Applications / R.P. Agarwal. – New York: Marcel Dekker, 2000. – 998 p.
  10. Gihman, I. I. Introduction to stochastic process theory / I.I. Gihman, A.V. Skorohodov – Moscow: “Nauka” Publisher, 1965. – (in Russian).
  11. Nussbaumer, H.J. Fast Fourier Transform and Convolution Algorithms (2nd ed.) / H.J. Nussbaumer. – New York: Springer-Verlag, 1982.
© 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