ОБЗОР МЕТОДОВ РАСПОЗНАВАНИЯ ОБРАЗОВ НА ОСНОВЕ ИНВАРИАНТОВ К ЯРКОСТНЫМ И ГЕОМЕТРИЧЕСКИМ ПРЕОБРАЗОВАНИЯМ

Статья посвящена обзору методов построения и применения инвариантов как устойчивых дескрипторов изображений, необходимых для распознавания образов. Отмечается актуальность выделения существенных признаков, сохраняющих и передающих характерные особенности изображений, подвергнутых преобразованиям, что увеличивает вероятность получения правильного решения в условиях возможных флуктуаций и нестабильности окружающей среды. Показана принципиальная возможность совместного использования инвариантов и классификаторов в виде нейронных сетей для решения задач распознавания объектов различной природы. Нейронные сети прямого распространения, вероятностные и сверточные нейронные сети хорошо сочетаются с выделенными инвариантными дескрипторами. Введены основные понятия и определения, в частности дается определение инвариантности и субинвариантности информативных признаков к яркостным и геометрическим преобразованиям. Выполнен краткий анализ современного состояния исследований в предметной области по отечественным и зарубежным публикациям. Отмечается роль линий положения как инвариантов к яркостным преобразованиям, служащим для корректного совмещения изображений объектов. Однако наибольшее внимание отводится инвариантным моментам, основанным на построении полиномов специального вида. К ним относятся 3D-инварианты, собранные из различных источников и комбинированные Blur-AMI-инварианты, как функционалы, которые не меняются под воздействием аффинных преобразований. Отдельный вопрос связан с реализацией алгоритмов распознавания образов в условиях ограниченных ресурсов, что свойственно бортовым вычислительным комплексам малых беспилотных летательных аппаратов при определении местоположения и слежения за динамическими объектами на основе видеокамер. Рассмотрены методы ускорения вычислений с аппаратной поддержкой. Задачи рекомендуется реализовывать набором функций семейства CORDIC. Отмечается актуальность задачи построения периодических расписаний с совмещением циклов как наиболее естественных для специализированных устройств, работающих с изображениями. Выполненный обзор публикаций может быть полезен для исследователей, занимающихся задачами построения алгоритмов распознавания в бортовых роботизированных системах.

The article is devoted to a review of methods for constructing and using invariants as stable image descriptors necessary for pattern recognition. The relevance of highlighting significant features that preserve and transmit the characteristic features of images subjected to transformations is noted, which increases the likelihood of obtaining the right solution in the conditions of possible fluctuations and instability of the environment. The fundamental possibility of sharing invariants and classifiers in the form of neural networks to solve problems of recognizing objects of various nature is shown. Direct distribution neural networks, probabilistic and convolutional neural networks combine well with distinguished invariant descriptors. The basic concepts and definitions are introduced, in particular, the definition of the invariance and subinvariance of informative features to brightness and geometric transformations is given. A brief analysis of the current state of research in the subject area on domestic and foreign publications is performed. The role of position lines as invariants to brightness transformations, which serve for the correct combination of images of objects, is noted. However, the most attention is given to invariant moments based on the construction of polynomials of a special form. These include 3D-invariants collected from various sources and combined Blur-AMI-invariants, as functionals that do not change under the influence of affine transformations. A separate issue is related to the implementation of pattern recognition algorithms in the conditions of limited resources, which is characteristic of on-board computer systems of small unmanned aerial vehicles in determining the location and tracking of dynamic objects based on video cameras. Methods of accelerating computations with hardware support are considered. Tasks are recommended to be implemented by a set of functions of the CORDIC family. The urgency of the task of constructing periodic schedules with combining cycles as the most natural for specialized devices that work with images, is noted. The performed review of publications can be useful for researchers involved in the tasks of constructing recognition algorithms in on-board robotic systems.