JavaScript is disabled for your browser. Some features of this site may not work without it.
| 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 |
