Методы и модели толерантной кластеризации в коллекциях изображений
Електронного архіву Харківського національного університету радіоелектроніки (Open Access Repository of KHNURE)
Переглянути архів Інформація| Поле | Співвідношення | |
| Creator |
Богучарский, С. И.
|
|
| Date |
2016-05-16T08:05:13Z
2016-05-16T08:05:13Z 2016 |
|
| Identifier |
Богучарский, С. И. Методы и модели толерантной кластеризации в коллекциях изображений : дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / С. И. Богучарский ; М-во образования и науки Украины, Харьк. нац. ун-т радиоэлектроники. – Харьков, 2016. – 150 с.
http://hdl.handle.net/123456789/3017 |
|
| Description |
Дисертація присвячена розвитку моделей і методів сегментації візуальної інформації у просторі зображень на основі фрагментної обробки. Введені матричні модифікації методів кластеризації CLARANS для обро- бки масивів відеоспостережень у великих базах відеоданих, DBSCAN для сег- ментації зображень з нечіткими границями між областями довільної форми. Отримані фрагментні методи, засновані на використанні розподілів даних та рекурентній оптимізації, що дозволяють формувати сегменти довільної форми при високому рівні завад. Запропонована матрична модифікація методу класте- ризації X -середніх, а також модифікації J -середніх и нечітких J -середніх, що дають можливість забезпечити досягнення більш глибокого екстремуму прий- нятої цільової функції якості сегментації. Розроблений метод напівконтрольо- ваного матричного векторного квантування для аналізу текстур – сегментації послідовності зображень, що дозволяє обробляти відеодані як у режимі навчан- ня з вчителем, так і самонавчання у послідовному режимі. Обговорені результа- ти експериментальних досліджень.The thesis is devoted development of models and methods of visual information segmentation in image space on windows processing basis. Matrix modifications of clustering methods, viz CLARANS for video streams processing in very large video data bases and DBSCAN for image segmentation with fuzzy boundaries between arbitrary shape regions, are introduced. Window methods based on data distributions and recurrent optimisation, that allow to form clusters with any shape at high noise level, have been proposed. Matrix modification of Xmeans and also modifications of J-means and fuzzy J-means, which provide possibilities to ensure reaching of deeper extremum of the accepted goal function of segmentation quality, is offered. The method of semicontrolled matrix vector quantization is developed for textures analysis (segmentations of image sequences), allowing to process video data in sequential mode both learning with the teacher and selflearning. Results of experimental investigations are discussed. |
|
| Language |
uk
|
|
| Subject |
кластеризація
сегментація зображення відеодані фраментна обробка clustering segmentation image video data window processing |
|
| Title |
Методы и модели толерантной кластеризации в коллекциях изображений
|
|
| Type |
Abstract
|
|