Preview

Радиопромышленность

Расширенный поиск

МЕТОД КЛАССИФИКАЦИИ СЛОЖНОСТРУКТУРИРУЕМЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ САМООРГАНИЗУЮЩИХСЯ НЕЙРОСЕТЕВЫХ СТРУКТУР

https://doi.org/10.21778/2413-9599-2016-4-57-65

Полный текст:

Аннотация

Актуальность в разработке интеллектуальных систем классификации сложноструктурируемых изображений возникает при обработке снимков с видеокамер беспилотных летательных аппаратов, используемых в навигационных целях при отсутствии связи с искусственными спутниками Земли или при анализе снимков оператором в режиме реального времени. Разработанный метод обеспечивает высокие требования к качеству классификации объектов на снимках, а также быстродействию выделения и классификации исследуемых сегментов изображения. Для классификации таких изображений предложены компьютерные технологии, основанные на методологии бустинга. Пространство информативных признаков формируется посредством спектральных окон, полученных в результате сканирования исходного изображения. Спектральные окна, принадлежащие к различным классам, располагаются в виде кластеров на плоскости Кохонена. Для формирования кластеров применяются правила коррекции векторов весов, позволяющие снизить величины незначащих компонент векторов, и определяются координаты центров кластеров. На основе кластерной структуры плоскости Кохонена строятся сильные классификаторы. Разработана и приведена структура сильного классификатора на нейронных сетях прямого распространения блочного типа, реализованная для задачи классификации рентгенограмм грудной клетки.

Об авторах

С. А. Филист
Юго-Западный государственный университет, Курск, Россия
Россия
д. т. н., профессор


Р. А. Томакова
Юго-Западный государственный университет, Курск, Россия
Россия
д. т. н., профессор


О. В. Шаталова
Юго-Западный государственный университет, Курск, Россия
Россия
к. т. н., доцент


А. А. Кузьмин
Юго-Западный государственный университет, Курск, Россия
Россия
к. т. н., доцент


К. Д. Али Кассим
Юго-Западный государственный университет, Курск, Россия
Россия
к. т. н., доцент


Список литературы

1. Томакова Р. А. Проектирование гибридной нейронной сети для анализа сложноструктурируемых медицинских изображений // Системный анализ и управление в биомедицинских системах. 2011. Т. 10. № 4. С. 916–923.

2. Дюдин М. В., Филист С. А., Кудрявцев П. С. Способ выделения и классификации контуров легких на изображениях флюорограмм грудной клетки // Наукоемкие технологии. 2014. Т. 15. № 12. С. 25–30.

3. Томакова Р. А., Филист С. А. Метод обработки и анализа сложноструктурируемых изображений на основе встроен- ных функций среды MATLAB // Вестник Читинского государственного университета. 2012. № 1 (80). С. 3–9.

4. Акимов А. В., Сирота А. А. Разработка и исследование алгоритмов распознавания изображений на основе метода Виолы-Джонса с использованием технологии вычислений на графических процессорах CUDA // Вестник ВГУ. Серия Системный анализ и информационные технологии. 2014. № 3. С. 105–108.

5. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.

6. Филист С. А., Томакова Р. А., До Яа Зар. Универсальные сетевые модели для задач классификации биомедицинских данных // Известия ЮЗГУ. 2012. № 4 (43). Ч. 2. С. 44–50.

7. Дюдин М. В., Жилин В. В., Кудрявцев П. С. и др. Способ выделения контура изображения легких на рентгеновском снимке грудной клетки // Известия ЮЗГУ. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. 2014. № 4. С. 107–114.

8. Дюдин М. В., Филист С. А., Кудрявцев П. С. Способ выделения и классификации контуров легких на изображениях флюорограмм грудной клетки // Наукоемкие технологии. 2014. Т. 15. № 12. С. 25–30.


Для цитирования:


Филист С.А., Томакова Р.А., Шаталова О.В., Кузьмин А.А., Али Кассим К.Д. МЕТОД КЛАССИФИКАЦИИ СЛОЖНОСТРУКТУРИРУЕМЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ САМООРГАНИЗУЮЩИХСЯ НЕЙРОСЕТЕВЫХ СТРУКТУР. Радиопромышленность. 2016;26(4):57-65. https://doi.org/10.21778/2413-9599-2016-4-57-65

For citation:


Filist S.A., Tomakova R.A., Shatalova O.V., Kuzmin A.A., Ali Kassim Q. METHOD OF CLASSIFICATION OF COMPLEX STRUCTURED IMAGES ON THE BASIS OF SELF-ORGANIZED NEURAL NETWORK STRUCTURES. Radio industry (Russia). 2016;26(4):57-65. (In Russ.) https://doi.org/10.21778/2413-9599-2016-4-57-65

Просмотров: 189


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2413-9599 (Print)
ISSN 2541-870X (Online)