Исследование методов отбора информативных признаков для задачи распознавания текстурных изображений с помощью масок Лавса
Кутикова В.В., Гайдель А.В.

Самарский государственный аэрокосмический университет имени академика С.П. Королёва
(национальный исследовательский университет) (СГАУ), Самара, Россия,

Институт систем обработки изображений РАН, Самара, Россия

Аннотация:
В работе исследуется эффективность двух методов отбора информативных признаков, основанных на масках Лавса: упорядочение признаков в соответствии с критерием дискриминантного анализа и t-критерием Стьюдента, а также перебор всех пар и троек признаков. Экспериментально показано, что вероятность ошибочной классификации для признаков, основанных на стандартном отклонении, не превышает вероятность ошибочной классификации для признаков, основанных на средней энергии.

Ключевые слова :
текстурный анализ, маски Лавса, отбор признаков, критерий дискриминантного анализа, t-критерий Стьюдента.

Цитирование:
Кутикова, В.В. Исследование методов отбора информативных признаков для задачи распознавания текстурных изображений с помощью масок Лавса / В.В. Ку­ти­ко­ва, А.В. Гай­дель // Компьютерная оптика. – 2015. – Т. 39, № 5. – С. 744-750. – DOI: 10.18287/0134-2452-2015-39-5-744-750.

Литература:

  1. Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман; пер. с англ. – М.: БИНОМ. Лаборатория знаний, 2006. – 752 с.
  2. Фраленко, В.П. Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли / В.П. Фраленко // Программные системы: теория и практика. – 2014. – Т. 22, № 4. – С. 19-39.
  3. Mollazade, K. Analysis of texture-based features for predicting mechanical properties of horticultural products by laser light backscattering imaging / K. Mollazade, M. Omid, F.A. Tab, Y.R. Kalaj, S.S. Mohtasebi, M. Zude // Computers and Electronics in Agriculture. – 2013. – Vol. 98. – P. 34-45.
  4. Haralick, R.M. Textural features for image classification / R.M. Haralick, K. Shanmugam, I. Dinstein // IEEE Transactions on Systems, Man, and Cybernetics. – 1973. – Vol. 3(6). – P. 610-621.
  5. Petrou, M. Image Processing: Dealing with Texture / M. Petou, P.G. Sevilla. – Chichester, UK: John Wiley & Sons Ltd., 2006. – 618 p.
  6. Pratt, W. Digital image processing / W. Pratt. – John Wiley & Sons, 1978. – 738 p.
  7. Laws, K.I. Rapid Texture Identification / K.I. Laws // SPIE. – 1980. – Vol. 238. – P. 376-380.
  8. Lee, D.С. Image segmentation from texture measurement / D.C. Lee, T. Schenk // XVIIth ISPRS Congress. Technical Commission III: Mathematical Analysis of Data. Washington, 1992. – P. 195-199.
  9. Куприянов, А.В. Сегментация текстурных изображений на основе оценивания локальных статистических признаков / А.В. Куприянов // Вестник Самарского государственного аэрокосмического университета. – 2008. – № 2(15). – С. 245-251.
  10. Гайдель, А.В. Исследование текстурных признаков для диагностики заболеваний костной ткани по рентгеновским изображениям / А.В. Гайдель, С.С. Первушкин // Компьютерная оптика. – 2013. – Т. 37, № 1. – С. 113-119.
  11. Гайдель, А.В. Возможности текстурного анализа компьютерных томограмм в диагностике хронической обструктивной болезни / А.В. Гайдель, С.С. Зельтер, А.В. Капишников, А.Г. Храмов // Компьютерная оптика. – 2014. – Т. 38, № 4. – С. 843-850.
  12. Гайдель, А.В. Исследование текстурных признаков для диагностики нефрологических заболеваний по ультразвуковым изображениям / А.В. Гайдель, С.Н. Ла­ри­оно­ва, А.Г. Храмов // Вестник Самарского государственного аэрокосмического университета имени академика С.П. Королёва. –2014. – № 1(43). – С. 229-237.
  13. Chandra, B. An efficient statistical feature selection approach for classification of gene expression data / B. Chandra, M. Gupta // Journal of Biomedical Informatics. – 2011. – Vol. 44. – P. 529-535.
  14. Ильясова, Н.Ю. Формирование признаков для повышения качества медицинской диагностики на основе методов дискриминантного анализа / Н.Ю. Ильясова, А.В. Куприянов, Р.А. Парингер // Компьютерная оптика. – 2014. – Т. 38, № 4. – С. 851-855.
  15. Tsai, C.-F. Genetic algorithms in feature and instance selection / C.-F. Tsai, W. Eberle, C.Y. Chu // Knowledge-Based Systems. – 2013. – Vol. 39. – P. 240-247.
  16. Rami, N.K. Feature subset selection using differential evolution and a statistical repair mechanism / N.K. Rami, A. Al-Ani, A. Al-Jumaily // Expert Systems with Applications. – 2011. – Vol. 38(9). – P. 11515-11526.
  17. База текстур Kylberg [Электронный ресурс]. – URL: http://www.cb.uu.se/~gustaf/texture/ (дата обращения 20.10.2015).
  18. Fukunaga, K. Introduction to statistical pattern recognition / K. Fukunaga. – San Diego: Academic Press, 1990. – 592 p.

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E mail: ko@smr.ru; Phones: +7 (846) 332 56 22, Fax: +7 (846) 332 56 20