Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (12.2020) : КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ ПРИ ПОМОЩИ ЛОКАЛЬНЫХ БИНАРНЫХ ПАТТЕРНОВ

КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ ПРИ ПОМОЩИ ЛОКАЛЬНЫХ БИНАРНЫХ ПАТТЕРНОВ

 

© 2020 г.      С. В. Пронин

Институт физиологии им. И.П. Павлова РАН, Санкт-Петербург

E-mail: pronins@sbor.net

УДК 004.93'12

Поступила в редакцию 01.08.2020

DOI:10.17586/1023-5086-2020-87-12-50-56

Описан алгоритм для классификации изображений, основанный на использовании алфавита локальных бинарных паттернов. Работоспособность алгоритма продемонстрирована на тестовом наборе изображений рукописных цифр (MNIST). Приведено сравнение характеристик алгоритма с аналогичными результатами для свёрточных искусственных нейронных сетей.

Ключевые слова: локальные бинарные паттерны, классификация изображений, MNIST.

Коды OCIS: 100.3008, 100.5010

 

Литература 

1.    Julesz B. Textons, the elements of texture perception, and their interactions // Nature. 1981. V. 290. P. 91–97.

2.   Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь, 1987. 400 с.

3.   Bergeaud F., Mallat S. Matching pursuit of images // Proceedings IEEE Int. Conf. Image Processing. Washington DC. 1995. October. V. 1. P. 53–56.

4.   Cheng-en Guo, Song-Chun Zhu, Ying Nian Wu. Towards a mathematical theory of primal sketch and sketchability // 9th IEEE International Conference on Computer Vision. Nice, France. 2003. Oct. 14–17. V. 2. P. 1228–1235.

5.   Ojala T., Pietikainen M., Maeenpaa T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. V. 24. P. 971–987.

6.   Brahnam S., Jain L.C., Nanni L., Lumini A. Local binary patterns: new variants and applications. Berlin: Springer, 2014. 271 p.

7.    Jin H., Liu Q., Lu H., Tong X. Face detection using improved LBP under bayesian framework // Proceedings of the 3rd International Conference on Image and Graphics. Hong Kong. 2004. P. 306–309.

8.   Nurul I., Tjokorda A.B.W., Kurniawan N.R. Handwriting digit recognition using local binary pattern variance and k-nearest neighbor classification // Fourth International Conference on Information and Communication Technologies. Bandung. 2016. P. 1–5.

9.   Kruchinin D., Dolotov E., Kornyakov K., Kustikova V., Druzhkov P. Comparison of deep learning libraries on the problem of handwritten digit classification // 4th Conference on Analysis of Images, Social Networks, and Texts. Yekaterinburg. 2015. P. 339–411.

10. Maestre U.G. Effective techniques of the use of data augmentation in classification tasks. Alicante: Universitat d’Alacant, 2018. 76 p.

11.       Stan Z.Li. Markov random field modeling in computer vision. London: Springer, 2009. 362 p.

 

 

Полный текст