Statistical data analysis tools in image classification methods based on the description as a set of binary descriptors of key points

Abstract

EN: Context. Modern computer vision systems require effective classification solutions based on the research of the processed data nature. Statistical distributions are currently the perfect tool for representing and analyzing visual data in image recognition systems. If the description of a recognized object is represented by a set of vectors, the statistical apparatus becomes fundamental for making a classification decision. The study of data distributions in the feature blocks systems for key point descriptors has shown its effectiveness in terms of achieving the necessary quality of classification and processing speed. There is a need for in-depth study of the descriptor sets statistical properties in terms of the main aspect – the multidimensional data separation for classification. This task becomes especially important for constructing new effective feature spaces, for example, by aggregating a set of descriptors by their constituent components, including individual bits. To do this, it is natural to use the apparatus of statistical criteria designed to compare the parameters of the distribution of the studied samples. Despite the widespread use and applied effectiveness of the feature descriptors apparatus for image classification, the statistical basis of these methods in their implementation in aggregate visual data systems and the choice of effective means to assess their effectiveness for distinguishing real images in application databases remains insufficiently studied. Objective. Development of an effective images classification method by introducing aggregate statistical features for the description components. Method. A metric image classifier based on feature aggregation for a set of image descriptors using statistical criteria for assessing the classification decision significance is proposed. Results. The synthesis of the classification method on the basis of the introduction of aggregated statistical features for a set of image description descriptors is carried out. The efficiency and effectiveness of the developed classifier are confirmed. On examples of application of a method for system of real images features its efficiency is experimentally estimated. Conclusions. The study makes possible to evaluate the applied effectiveness of the key points descriptors apparatus and build on its basis an aggregate features system for the effective visual objects classification implementation. Our research has shown that the available information in the form of a bit descriptors representation is sufficient for a significant statistical distinction between visual objects descriptions. Analysis of pairs and other blocks for descriptor bits provides a promising opportunity to reduce processing time. The scientific novelty of the study is the development of a method of image classification based on an integrated statistical features system for structural description, confirmation of the effectiveness of the method and the importance of the created features classification system in the image database. The practical significance of the work is to confirm the efficiency of the proposed methods on the real image descriptions examples. UK: Актуальність. Сучасні системи комп’ютерного зору потребують дієвих класифікаційних рішень на підґрунті вивчення природи оброблюваних даних. Статистичні розподіли на цей час є досконалим засобом подання та аналізу візуальних даних у системах розпізнавання образів. Якщо опис розпізнаваного об’єкту представлено множиною векторів, статистичний апарат стає фундаментальним для прийняття класифікаційного рішення. Вивчення розподілів даних у складі системи блоків для дескрипторів ключових точок показали свою результативність у аспекті забезпечення потрібних показників якості класифікації та швидкодії оброблення. Виникає необхідність поглибленого вивчення статистичних властивостей для множини дескрипторів у аспекті головного фактору – розрізнення багатовимірних даних задля класифікації. Особливе значення набуває ця задача при побудові нових ефективних просторів ознак, наприклад, шляхом агрегування множини дескрипторів за їх складовими компонентами, в тому числі за окремими бітами. Для цього природнім є напрацьоване використання апарату статистичних критеріїв, призначених для порівняння параметрів розподілу досліджуваних вибірок. Незважаючи на широке застосування і прикладну результативність апарату дескрипторів для класифікації зображень, до цих пір залишається не дослідженим статистичне підґрунтя цих методів при впровадженні їх у агрегованих системах ознак візуальних даних і вибір ефективних засобів для оцінювання їх дієвості для розрізнення реальних зображень у прикладних базах даних. Мета роботи. Розроблення ефективного за швидкодією методу результативної класифікації зображень шляхом впровадження агрегованих статистичних ознак для складу компонентів опису. Метод. Запропоновано метричний класифікатор зображень на основі агрегації ознак для множини дескрипторів опису із використанням статистичних критеріїв щодо оцінювання значущості класифікаційного рішення. Результати. Здійснено синтез методу класифікації на підставі впровадження агрегованих статистичних ознак для множини дескрипторів опису зображення. Підтверджено працездатність і ефективність розробленого класифікатора. На прикладах застосування варіантів методу для системи ознак реальних зображень експериментально оцінена його результативність. Висновки. Проведене дослідження дає можливість оцінити прикладну ефективність застосування апарату дескрипторів ключових точок зображення і побудови на його основі агрегованої системи ознак для результативного здійснення класифікації візуальних об’єктів. Наше дослідження показало, що наявної інформації у вигляді бітового подання дескрипторів опису достатньо для значущого статистичного розрізнення описів візуальних об’єктів. Аналіз пар і інших блоків для бітів дескрипторів дає перспективну можливість скорочення часу оброблення. Наукову новизну дослідження складає розроблення методу класифікації зображень на підставі системи інтегрованих статистичних ознак для структурного опису, підтвердження результативності методу та значущості створеної системи ознак при класифікації у межах бази зображень. Практична значущість роботи полягає у підтвердженні працездатності та результативності запропонованих методів на прикладах дескрипторних описів реальних зображень.