Об особенностях вейвлет-спектра плоского изображения как признакового пространства в статистических методах распознавания

  • Горонков К.А. Кубанский государственный технологический университет, Краснодар, Россия
  • Усатиков С.В. Кубанский государственный технологический университет, Краснодар, Россия
УДК: 004.931:664

Аннотация

Рассмотрены методы идентификации с заданной точностью массового количества объектов природного происхождения, обладающих высокой визуальной внутриклассовой вариабельностью, при близости самих классов. В частности, в задачах экспресс-диагностика скрытой заражённости зерна насекомыми в массе зерновых и бобовых. Проведены теоретические и экспериментальные исследования с разновидностью статистического классификатора, использующего в алгоритме распознавания построение эллипсоида рассеяния в признаковом пространстве (при нормальном распределении), а также вырожденности матрицы ковариации признаков и особенностей вейвлет-спектра для расширения признакового пространства. Для повышения эффективности распознавания предложено применение вырожденностей ковариационной матрицы вейвлет-спектра плоского изображения.

Ключевые слова: статистические методы распознавания образов, вейвлет-спектр, диагностика скрытой заражённости насекомыми зерновых и бобовых

Информация об авторах

Константин Александрович Горонков
аспирант кафедры общей математики Кубанского государственного технологического университета
e-mail: e_2.71828@mail.ru
Сергей Васильевич Усатиков
д-р физ.-мат. наук, профессор кафедры общей математики Кубанского государственного технологического университета
e-mail: sv@usatikov.com

Литература

  1. Choudhary R., Paliwal J., Jayas D.S., Ridgway C., Chambers J. Classification of cereal grains using wavelet, morphological, colour, and textural features of non-touching kernel images // Biosystems Engineering. 2008. Vol. 99. Iss. 3. P. 330-337.
  2. Choudhary R., Mahesh S., Paliwal J., Jayas D.S. Identification of wheat classes using wavelet features from near infrared hyperspectral images of bulk samples // Biosystems Engineering. 2009. Vol. 102. Iss. 2. P. 115-127.
  3. Горонков К.А., Руденко О.В., Усатиков С.В. О точности распознавания по контуру изображений злаковых культур при помощи нейронных сетей // Обозрение прикладной и промышленной математики. 2009. Т. 16. Вып. 3. С. 567-569.
  4. Горонков К.А., Руденко О.В., Усатиков C.В. База данных обучающей выборки для высокоточного распознавания плоских изображений сортов злаковых и масличных культур // Фундаментальные исследования. 2011. Вып. 8. Ч. 2. С. 342-346.
  5. Singh C.B., Jayas D.S., Paliwal J., White N.D.G. Detection of insect-damaged wheat kernels using near-infrared hyperspectral imaging // Journal of Stored Products Research. 2009. Vol. 45. Iss. 3. P. 151-158.
  6. Chandra B. Singh, Digvir S. Jayas, Jitendra Paliwal, Noel D. G. White Identification of insect-damaged wheat kernels using short-wave near-infrared hyperspectral and digital colour imaging // Computers and Electronics in Agriculture. 2010. Vol. 73. Iss. 2. P. 118-125.

Финансирование

Работа выполнена при финансовой поддержке Российского Фонда фундаментальных исследований и администрации Краснодарского края (11-08-96519-р_юг_ц).

Выпуск
Страницы
24-31
Прислано
2012-06-17
Опубликовано
2013-03-29