Object

Title: Method for texture classification using image structural features ; МЕТОД КЛАССИФИКАЦИИ ТЕКСТУР С ИСПОЛЬЗОВАНИЕМСТРУКТУРНЫХ ХАРАКТЕРИСТИК ИЗОБРАЖЕНИЯ

Co-author(s) :

Kurkchiyan Vardan ; Kharatyan Luiza ; Куркчиян Вардан ; Харатян Луиза

Abstract:

In this paper, novel method for texture analysis and classification based on using image structural properties is proposed. It is known that the Human Visual System successfully perceives an image content by visualized collection of existing edges. In this paper, we propose to use the collection of gradient magnitudes as the characteristics of the structure of an image. Gradient magnitude is assumed to be a random variable with two-parameter Weibull distribution, and as a characteristic of the proximity of the two images we use a special measure of proximity of the parameter estimates of the corresponding distributions. Classification is made by method of comparison with the etalon using the database of the University of Heidelberg (Germany) which contains 10 texture classes. As an etalon is used the set of average values of the parameters estimates of the Weibull distribution, calculated by the magnitude gradients of training set of texture, and comparison is performed using the proposed proximity measure. The analysis revealed two virtually indistinguishable classes, and for the remaining eight classes it is shown that the classification error on the average is about 18%.
; В статье предлагается новая методика для анализа и классификации текстур, основанная на использовании структурных свойств изображения. Известно, что визуальная система человека успешно воспринимает содержание изображения по визуализированной совокупности краёв и границ, имеющихся в изображении. В данной работе в качестве характеристики структуры изображения предлагается использовать совокупность магнитуд градиента изображения. Магнитуда градиента считается случайной величиной, имеющей двухпараметрическое распределение Вейбулла, а в качестве характеристики близости двух изображений используется специальная мера близости оценок параметров соответствующих распределений. Классификация выполнена методом сравнения с эталоном на примере базы данных университета Гейдельберга (Германия), которая содержит 10 классов текстур. В качестве эталонов использован набор средних значений оценок параметров распределения Вейбулла, рассчитанных по совокупности магнитуд градиента текстур обучающей выборки, а сравнение выполнено по предложенной мере близости. В результате анализа выявлены два практически неразличимых класса, а для остальных 8 классов показано, что ошибка классификации в среднем составляет около 18 %.

Date created:

2014

Identifier:

oai:noad.sci.am:135783

ISSN:

0134-2452

Language:

Russian ; Русский

Journal or Publication Title:

Computer Optics ; Компьютерная оптика

Volume:

38

Number:

3

URL:

click here to follow the link

Additional Information:

dasat@ipia.sci.am ; vakur87@gmail.com ; luiza.kharatyan@gmail.com

Affiliation:

Institute for Informatics and Automation Problems of NAS RA ; Russian-Armenian (Slavonic) University ; Институт проблем информатики и автоматизации ; Российско-Армянский (Славянский) университет

Country:

Armenia ; Armenia

Indexing:

Scopus

Object collections:

Last modified:

May 3, 2021

In our library since:

Jul 15, 2020

Number of object content hits:

7

All available object's versions:

https://noad.sci.am/publication/149310

Show description in RDF format:

RDF

Show description in OAI-PMH format:

OAI-PMH

This page uses 'cookies'. More information