(38-4) 35 * << * >> * Русский * English * Содержание * Все выпуски

Распознавание нечётких дубликатов изображений, основанное на ранговом распределении мощностей кластеров яркости
Немировский В.Б., Стоянов А.К.

Институт кибернетики ФГБОУ ВПО
«Национальный исследовательский Томский политехнический университет»

PDF, 1126 kB

DOI: 10.18287/0134-2452-2014-38-4-811-817

Страницы: 811-817.

Аннотация:
В работе исследовано применение многошаговой сегментации для распознавания нечётких дубликатов изображений. Для сегментации использована кластеризация яркостей пикселей изображения, реализуемая с помощью рекуррентной нейронной сети.
Предложен поисковый образ изображения, основанный на ранговом распределении мощностей кластеров яркостей, выделенных на изображении в процессе сегментации. Приводятся экспериментальные результаты по распознаванию дубликатов изображений, основанному на применении предложенного образа. Показано, что использование предложенного поискового образа позволяет успешно распознавать дубликаты, полученные значительным визуальным искажением оригинала изображения или изменением его масштаба.

Ключевые слова :
изображение, пиксель, точечные отображения, рекуррентная нейронная сеть, кластеризация, сегментация, распознавание изображений, нечёткие дубликаты, ранговое распределение.

Цитирование:
Немировский, В.Б. Распознавание нечётких дубликатов изображений, основанное на ранговом распределении мощностей кластеров яркости / В.Б. Немировский, А.К. Стоянов // Компьютерная оптика. – 2014. – Т. 38, № 4. – С. 811-817. – DOI: 10.18287/0134-2452-2014-38-4-811-817.

Citation:
Nemirovskiy VB, Stoyanov AK. Near-duplicate image recognition based on the rank distribution of the brightness clusters cardinality. Computer Optics 2014; 38(4): 811-817. DOI: 10.18287/0134-2452-2014-38-4-811-817.

Литература:

  1. Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Сток­ман. – Под ред. С. Соколова. – Пер. с англ. А.  Богуславский. – М.: Бином. Лаборатория знаний, 2006. – 752 c.
  2. Пименов, В.Ю. Метод поиска нечётких дубликатов изображений на основе выявления точечных особенностей. Труды РОМИП 2007-2008.– СПб.: НУ ЦСИ. 2008. – С. 145-158.
  3. Christlein, V. An Evaluation of Popular Copy-Move Forgery Detection Approaches / V. Christlein, C. Riess, J. Jordan, C. Riess, E. Angelopoulou // IEEE Transactions on Information Forensics and Security. – 2012. – Vol. 7(6). – P. 1841-1854.
  4. Farid, H. Image Forgery Detection / H. Farid // IEEE Signal Processing Magazine. – 2009. – P. 16-25.
  5. Sridevi, M. Comparative Study of Image forgery and Copy-move Techniques / M. Sridevi, C. Mala, S. Sanyam. – Proceedings of the Second International Conference on Computer Science, Engineering and Applications (ICCSEA 2012). – New Delhi, India, 2012. – P. 715-723.
  6. Глумов, Н.И. Поиск дубликатов на цифровых изображениях / Н.И. Глумов, А.В. Кузнецов, В.В. Мясников // Компьютерная оптика. – 2013. – Т. 37, № 3. – С. 360-367.
  7. Кузнецов, А.В. Алгоритм обнаружения дубликатов на цифровых изображениях с использованием эффективных линейных локальных признаков / А.В. Кузнецов, В.В. Мясников // Компьютерная оптика. – 2013. – Т. 37, № 4. – С. 489- 496.
  8. Мельниченко, А. Методы поиска изображений по визуальному подобию и детекции нечётких дубликатов изображений / А. Мельниченко, А. Гончаров // Труды РОМИП 2009. – СПб.:НУ ЦСИ. – 2009. – С. 108-121.
  9. Байгарова, Н.С. Некоторые подходы к организации содержательного поиска изображений и видеоинформации [Электронный ресурс] / Н.С. Байгарова, Ю.А. Бух­штаб, Н.Н. Евтеева, Д.А. Корягин // Институт прикладной математики им. М.В. Келдыша РАН. – URL: http://www.keldysh.ru/papers/2002/prep78/prep2002_78.html (дата обращения: 26.05.2014).
  10. Котов, В.В. Использование гистограммных оценок в задачах распознавания / В.В. Котов // Успехи современного естествознания. – 2004. – № 4. – С. 40-42.
  11. Немировский, В.Б Сегментация изображений с помощью рекуррентной нейронной сети / В.Б. Немировский, А.К. Стоянов // Известия Томского политехнического университета. – 2012. – Т. 321, № 5. – С. 205-210.
  12. Nemirovsky, V.B. Multi-Step Segmentation of Images by Means of a Recurrent Neural Network / V.B. Nemirovsky, A.K. Stoyanov // 7th International Forum on Strategic Technology (IFOST – 2012): Proceedings: in 2 vol., Tomsk, September 18-21, 2012. – Tomsk: TPU Press, 2012. – Vol. 1. – P. 557-560.
  13. Стоянов, А.К. Применение рекуррентной нейронной сети для решения задачи кластеризации / А.К. Стоянов // Известия Томского политехнического университета. –2009. – Т. 315, № 5. – С. 144-149.
  14. Кудрин, Б.И. Математика ценозов: видовое, ранговидовое, ранговое по параметру гиперболические Н-рас­пределения и законы Лотки, Ципфа, Парето, Мандельброта / Б.И. Кудрин. – Техногенная самоорганизация. Вып. 25. Ценологические исследования. – М.: Центр системных исследований, 2004. – 248 с.
  15. Фотоблог о моде и стиле 2012-2014 [Электронный ресурс]. – URL: http://mens.by/style/shine/470-mustache-side­burns (дата обращения: 26.05.2014).
  16. Детские портреты в ч/б [Электронный ресурс]. – URL: http://www.liveinternet.ru/users/katiava/post285466584 (дата обращения: 26.05.2014).
  17. Чёрно-белые обои для рабочего стола [Электронный ресурс]. – URL: http://oboiny.ru/cherno-belye-oboi-dlya-ra­bochego-stola/ (дата обращения: 26.05.2014).
  18. Dalal, N. Histograms of Oriented Gradients for Human Detection. / N. Dalal, W. Triggs // IEEE Computer Society Conference on Computer Vision and Pattern Recognition CVPR05. – 2005. – Vol. 1(3). – P. 886-893.
  19. Немировский, В.Б. Сегментация цветных изображений природных объектов с помощью рекуррентной нейронной сети / В.Б. Немировский, А.К. Стоянов // Известия Томского политехнического университета. – 2013. – Т. 323, № 1. – С. 212-216.
© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20