Abstract
Modern computer systems have sufficient capacity to significantly improve the efficiency of the image recognition system. These opportunities allow to prevent man-made disasters and social conflicts, so this area of research is in demand in the contemporary community. Systems in most cases have a modular structure, and feature-formation and decision-making modules are one of the most important components. A brief analysis of existing methods was given in the paper, and promising directions for developing own solutions of the problem were selected. Feature-formation method is based on using the orthogonal transformation of the spatial spectrum of the video image, which allows to eliminate the effect of some deformations on the recognition quality, as well as to reduce the set of features, used in the decision-making. Since the set of features is represented by the eigenvectors, the decision rule construction algorithm is based on using the Dice similarity criterion. This criterion was chosen because it has allowed to more qualitatively compare the feature vectors of the input image and the image from the database. The results of performance evaluation of the recognition system prototype were given. In the future, using large data arrays in order to optimize the system and increase the evaluation reliability of its quality characteristics is expected.
Highlights
В статье рассмотрены разработанные модули системы распознавания образов, которые ответственны за формирование признаков и принятие решений при классификации
Для достижения поставленной цели необходимо определить эффективное направление для проектирования собственных модулей формирования признаков образов и решающего правила, разработать прототип системы распознавания образов для проведения экспериментальных исследований, подготовить входные образы и образы из базы данных, оценить эффективность работы разработанных методов
Основным преимуществом стереотаксиса является его точность, которая в сочетании с правильным предоперационным планированием, основанным на предоперационном томографическом исследовании, обеспечивает меньшую опасность хирургической процедуры
Summary
Стремительный рост вычислительной мощности современных устройств позволяет разрабатывать системы распознавания образов, которые работают в реальном масштабе времени. Также для системы распознавания образов важен модуль принятия решений, который осуществляет классификацию входных образов и фактически отражает качество работы системы в комплексе. Процесс формирования признаков существенно влияет на качество распознавания входных образов, и построение оптимального алгоритма возможно после определения набора признаков достаточного для классификации образов. В большинстве методов используется цвет для выделения наиболее качественных характеристик, поскольку такие признаки не зависят от положения и размеров изображения, а также устойчивы в отношении к зашумленному фону [1]. Границы или области изображения используются для представления признаков в виде определенной формы. Для определения различия двух образов может быть использован максимум апостериорной вероятности [7]. После обучения для каждого набора входных параметров становится возможным определить набор выходных значений, классифицирующий входной образ. Однако использование нейронных сетей при распознавании образов затруднительно, поскольку процесс обучения занимает длительное время при большом количестве классов в коллекции
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callMore From: Eastern-European Journal of Enterprise Technologies
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
