The intellectual analysis method of color images

Abstract

EN: Context. Automatic and automated image analysis methods used in computer graphic design, biometric identification, and military target search are now widespread. The object of the research is the process of color image analysis. Objective. The goal of the work is to create an intelligent method of image analysis based on quantization, binarization and clustering. Method. The proposed method for intelligent color image analysis consists of the following techniques. The technique of reducing the number of colors based on the conversion of a color image into a gray-scale image and quantization of the resulting gray-scale image improves the accuracy of image feature extraction by preventing the appearance of an excessive number of image clusters. The technique of creating a set of binary images based on binarization of a quantized gray-scale image allows increasing the speed of subsequent clustering by replacing sequential extraction of all elements of a quantized gray-scale image with parallel extraction of binary image elements, as well as separating clusters obtained during subsequent clustering by color due to image membership. The technique of determining the highest priority binary images based on the probability of occurrence of each color in the quantized gray-scale image improves the speed of image structure synthesis based on the analysis results by considering the most informative binary images. The technique of extracting binary image elements on the basis of its clustering allows to increase the accuracy of extracting binary image elements by improving the method of forming the neighborhoods of points (no radius of empirically determined neighborhood is needed), detecting random outliers and noise, extracting image elements of different shapes and sizes without specifying the number of extracted binary image elements, as well as increasing the speed of extracting binary image elements by forming the neighborhoods of white points only. The technique of determining the higher priority parts of the binary image based on the power of image clusters allows increasing the accuracy of image structure synthesis based on the analysis results by omitting noise and random outliers. Results. The proposed method for intelligent analysis of color images was programmatically implemented using Parallel Computing Toolbox of Matlab package and investigated for the task of image feature extraction on the corresponding database. The results obtained allowed to compare the traditional and proposed methods. Conclusions. The proposed method allows to expand the application area of color image analysis based on color-to-gray-scale image conversion, quantization, binarization, parallel clustering and contributes to the efficiency of computer systems for image classification and synthesis. Prospects for further research investigating the proposed method for a wide class of machine learning tasks. UK: Актуальність. В даний час широкого поширення набули методи автоматичного та автоматизованого аналізу зображень, які використовуються в комп’ютерному графічному дизайні, біометричній ідентифікації, пошуку військових цілей. Об’єктом дослідження є процес аналізу кольорових зображень. Метою роботи є створення інтелектуального методу аналізу зображення на основі квантування, бінаризації та кластеризації. Метод. Запропонований метод інтелектуального аналізу кольорових зображень складається з таких методик. Методика зменшення кількості кольорів на основі перетворення кольорового зображення в сіре та квантування отриманого сірого зображення дозволяє підвищити точність вилучення елементів зображення за рахунок запобігання появі надлишкової кількості кластерів зображення. Методика створення набору бінарних зображень на основі бінаризації квантованого сірого зображення дозволяє підвищити швидкість подальшої кластеризації за рахунок заміни послідовного вилучення всіх елементів квантованого сірого зображення паралельним вилученням елементів бінарних зображень, а також розбити кластери, отримані в ході подальшої кластеризації, за кольором за рахунок належності різним бінарним зображенням. Методика визначення найбільш пріоритетних бінарних зображень на основі ймовірності появи кожного кольору в квантованому сірому зображенні дозволяє підвищити швидкість синтезу структури зображення за результатами аналізу за рахунок розгляду найбільш інформативних бінарних зображень. Методика вилучення елементів бінарного зображення на основі його кластеризації дозволяє підвищити точність вилучення елементів бінарного зображення за рахунок поліпшення способу формування околиць точок (не потрібний радіус околиці, що емпірично визначається), виявлення випадкових викидів і шуму, видобування елементів зображення різної форми та розміру, не вказуючи кількість видобутих елементів бінарного зображення, а також підвищення швидкості вилучення елементів бінарного зображення за рахунок формування околиць тільки точок білого кольору. Методика визначення найбільш пріоритетних елементів бінарного зображення на основі потужності кластерів зображення дозволяє підвищити точність синтезу структури зображення за результатами аналізу за рахунок пропуску шуму і випадкових викидів. Результати. Запропонований метод інтелектуального аналізу кольорових зображень був програмно реалізований за допомогою Parallel Computing Toolbox пакету Matlab і досліджений для завдання вилучення елементів зображень на відповідній базі даних. Отримані результати дозволили порівняти традиційний та запропонований методи. Висновки. Запропонований метод дозволяє розширити область застосування аналізу кольорових зображень на основі перетворення кольорового зображення в сіре, квантування, бінаризації, паралельної кластеризації, та сприяє підвищенню ефективності комп’ютерних систем класифікації та синтезу зображень. Перспективами подальших досліджень є дослідження запропонованого методу для широкого класу задач машинного навчання.