DSpace Repository

Пакетный способ сравнения изображений по их фрагментам

Show simple item record

dc.contributor.author Аракелян, Сергей Мартиросович ru_RU
dc.contributor.author Зиновьев, Иван Игоревич ru_RU
dc.contributor.author Рожков, Максим Михайлович ru_RU
dc.creator Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых ru_RU
dc.creator Vladimir State University. Alexander G. and Nicholas G. Stoletovs en_EN
dc.date.accessioned 2014-06-04T09:31:08Z
dc.date.available 2014-06-04T09:31:08Z
dc.date.issued 2013-03
dc.identifier.citation Аракелян С. М., Зиновьев И. И., Рожков М. М. Пакетный способ сравнения изображений по их фрагментам // Вестник НГУ. Серия: Информационные технологии. 2013. Т. 11, вып. 1. С. 5–15. ru_RU
dc.identifier.issn 1818-7900
dc.identifier.uri https://lib.nsu.ru/xmlui/handle/nsu/1306
dc.description.abstract Сравнение изображений некоторых объектов сильно осложняется их возможной изменчивостью. Одним из решений такой проблемы может стать выделение относительно неизменных участков изображений для их сравнения. В работе предложен проверенный на практике способ сравнения изображений путем комбинации их соседних участков. Полученные результаты свидетельствуют о его практической применимости, например, в процессе распознавания лиц людей. ru_RU
dc.description.sponsorship Работа выполнена в рамках НИР по госзаданию «Наука» (№ 8.3303.2011 и 8.3534.2011 от 23.11.2011) ru_RU
dc.language.iso ru
dc.publisher Новосибирский государственный университет ru_RU
dc.subject сравнение изображений ru_RU
dc.subject пространства векторов атрибутов ru_RU
dc.subject соседние участки изображения ru_RU
dc.subject neighboring image areas en_EN
dc.subject vector spaces of attributes en_EN
dc.subject image comparison en_EN
dc.title Пакетный способ сравнения изображений по их фрагментам ru_RU
dc.title.alternative The batch method of image comparison by their areas en_EN
dc.type Article
dc.description.reference 1. Tan X., Chen S. C., Zhou Z.-H., Zhang F. Face Recognition from a Single Image per Person A Survey // Pattern Recognition. 2006. Vol. 39. P. 1725–1745. 2. Tolba A. S., El-Baz A. H., El-Harby A. A. Face Recognition: A Literature Review // International Journal of Signal Processing. 2006. Vol. 2. Р. 88–103. 3. Zhao W., Chellappa R., Phillips P. J., Rosenfeld A. Face Recognition: A Literature Survey // ACM Computing Survey. 2003. Vol. 35 (3). P. 399–458. 4. Martinez A. M. Recognizing Imprecisely Localized, Partially Occluded, and Expression Variant Faces from a Single Sample per Class // IEEE Trans. Pattern Analysis and Machine Intelligence. 2002. Vol. 25 (6). P. 748–763. 5. Samaria F. Face Segmentation for Identification Using Hidden Markov Models // British Machine Vision Conference. BMVA Press, 1993. P. 399–408. 6. Tan X., Chen S. C., Zhou Z.-H., Zhang F. Recognizing Partially Occluded, Expression Variant Faces from Single Training Image per Person with SOM and Soft kNN Ensemble // IEEE Transactions on Neural Networks. 2005. Vol. 16 (4). P. 875–886. 7. Зиновьев И. И. Пакетный способ сравнения изображений // Прикладная информатика. 2011. № 6 (36). С. 95–101. 8. Phillips P. J., Wechsler H., Huang J., Rauss P. J. The FERET Database and Evaluation Procedure for Face Recognition Algorithms // Image and Vision Computing. 1998. Vol. 16 (5). P. 295–306. 9. Матвеев Ю. Н. Основы теории систем и системного анализа: Учеб. пособие. Тверь, 2007. Ч. 1. C. 28–29. 10. Freund Y., Schapire R. A Decision-Theoretic Generalization of on-Line Learning and an Application to Boosting // Journal of Computer and System Sciences. 1997. Vol. 55 (1). P. 119–139. 11. Friedman J. H., Hastie T., Tibshirani R. Additive Logistic Regression: A Statistical View of Boosting // Technical Report. Dept. of Statistics. Stanford Univ., 1998. ru_RU
dc.description.reference Comparison of images of some objects is complicated by their possible variability. One solution to this problem might be to find relatively constant parts of the images for their comparison. The authors propose a method for comparing images by combining their neighboring areas. Proposed in the algorithm has been approved in practice. The received results show its practical applicability, for example in the task of humans face recognition. en_EN
dc.subject.udc 004.93
dc.relation.ispartofvolume 11
dc.relation.ispartofnumber 1
dc.relation.ispartofpages 5-15


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account