Анализ условий, влияющих на свойства конструируемых признаков 3D-изображений
Федотов Н.Г., Сёмов А.А., Моисеев А.В.

Пензенский государственный университет, Пенза, Россия,
ООО «КомХэлф», Пенза, Россия,
Пензенский государственный технологический университет, Пенза, Россия

Аннотация:
В данной статье показаны теоретические результаты, полученные с помощью нового геометрического метода анализа и распознавания 3D-изображений – гипертрейс-преобразования. Кратко описывается математическая модель предлагаемого метода. Происходит дальнейшее развитие теории гипертриплетных признаков 3D-изображения, имеющих аналитическую структуру. Свойства признаков изучаются на этапе их формирования при помощи нового разработанного математического инструмента – гипертрейс-матрицы. Свойства признаков зависят от особенностей формирования и результатов обработки гипертрейс-матрицы.

Ключевые слова :
3D-изображение, гипертрейс-преобразование, гипертрейс-матрица, гипертриплетный признак, опорная сетка на сфере, аналитическая структура признаков.

Цитирование:
Федотов, Н.Г. Анализ условий, влияющих на свойства конструируемых признаков 3D-изображений / Н.Г. Федотов, А.А. Сёмов, А.В. Моисеев // Компьютерная оптика. – 2016. – Т. 40, № 6. – С. 887-894. – DOI: 10.18287/2412-6179-2016-40-6-887-894.

Литература:

  1. Федотов, Н.Г.Теория признаков распознавания образов на основе стохастической геометрии и функционального анализа / Н.Г. Федотов. – М.: Физматлит, 2010. – 304 с. – ISBN: 978-5-9221-0996-3.
  2. Kiy, K.I. Segmentation and detection of contrast objects and their application in robot navigation / K.I. Kiy // Pattern Recognition and Image Analysis. – 2015. – Vol. 25, Issue 2. – P. 338-346. – DOI: 10.1134/S1054661815020145.
  3. Wang, C. VFM: visual feedback model for robust object recognition / C. Wang, K.-Q. Huang // Journal of Computer Science and Technology. – 2015. – Vol. 30, Issue 2. – P. 325-339. – DOI: 10.1007/s11390-015-1526-1.
  4. Zhang, Y.PanoContext: A whole-room 3D context model for panoramic scene understanding / Y. Zhang, S. Song, P. Tan, J. Xiao / Proceedings of the 13th European Conference on Computer Vision (ECCV 2014). – Zurich, Switzerland: Springer, 2014. – Part VI, Vol. 8694. – P. 668-686. – DOI: 10.1007/978-3-319-10599-4_43.
  5. Andreux, M.Anisotropic Laplace-Beltrami operator for shape analysis / M. Andreux, E. Rodolà, M. Aubry, D. Cremers / Proceedings of the 13th European Conference on Computer Vision (ECCV 2014). – Zurich, Switzerland: Springer, 2014. – Part VI, Vol. 8928. – P. 299-312. – DOI: 10.1007/978-3-319-16220-1_21.
  6. Elhachloufi, M. Affine invariant descriptors of 3D object using multiple regression model / M. Elhachloufi, A.El Oirrak, D. Aboutajdine, M.N. Kaddioui // International Journal of Computer Science & Information Technology. – 2011. – Vol. 3, Issue 1. – P. 1-10. – DOI: 10.5121/ijcsit.2011.3101.
  7. Fedotov, N.G. Trace transform of spatial images / N.G. Fedotov, S.V. Ryndina, А.А. Syemov / 11th International conference on Pattern Recognition and Image Analasis: New Information technologies (PRIA-11-2013). Conference Proceedings (V. I-II). – Samara: IPSI RAS, 2013. – V. 1. – P. 186-189.
  8. Fedotov, N.G. Trace transform of three-dimensional objects: recognition, analysis and database search / N.G. Fedotov, S.V. Ryndina, А.А. Semov // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 2014. – Vol. 24, Issue 4. – P. 566-574. – DOI: 10.1134/S105466181404004X.
  9. Сёмов, А.А.Основные методы построения гипертрейс-матриц / А.А. Сёмов // XXI век: итоги прошлого и проблемы настоящего плюс. Серия: технические науки. Информационные технологии. – 2015. – № 03(25) – С. 69-76.
  10. Fedotov, N.G. The theory of image-recognition features based on stochastic geometry / N.G. Fedotov // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 1998. – Vol. 8, Issue 2. – P. 264-266.
  11. Федотов, Н.Г. Минимизация признакового пространства распознавания 3D изображения на основе стохастической геометрии и функционального анализа / Н.Г. Федотов, А.А. Семов, А.В. Моисеев // Машинное обучение и анализ данных. – 2015. – T. 1, № 13. – C. 1796-1814. – DOI: 10.21469/22233792.1.13.03.
  12. Федотов, Н.Г. Интеллектуальные возможности гипертрейс-преобразования: конструирование признаков с заданными свойствами / Н.Г. Федотов, А.А. Семов, А.В. Моисеев // Машинное обучение и анализ данных. – 2014. – T. 1, № 9. – C. 1200-1214.
  13. Федотов, Н.Г. Гипертрейс-матрица как основной инструмент анализа 3D объектов / Н.Г. Федотов, А.А. Сёмов // XXI век: итоги прошлого и проблемы настоящего плюс. Серия: технические науки. Информационные технологии. – 2015. – № 03(25). – С. 63-69.

© 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