Development of algorithms of analysis and classification of images by wavelet decomposition

Abstract

В рамках исследования рассматривается несколько подходов к анализу и классификации цифровых изображений. Основное внимание в работе направлено на вычисление фрактальных характеристик результатов их вейвлет-преобразований. Для целей анализа цветные изображения приводятся к полутоновой палитре, при этом изображение рассматривается как некоторая целочисленная функция прямоугольных координат, т.е. двумерная поверхность. В работе применяются два основных метода исследования: метод модифицированной фрактальной сигнатуры и метод, опирающийся на вычисление фрактальных характеристик вейвлет-преобразования изображения. Для того чтобы выполнить преобразование, используется функция Гаусса и частные производные второго порядка. Результатом применения каждого из методов является вектор фрактальных сигнатур. Полученные вектора используются для того, чтобы определить принадлежность различных изображений к одному классу. Проведенные эксперименты позволяют нам выбрать метод, показавший лучшее разделение для входного множества изображений.

In the research there were considered a number of approaches to the analysis and classification of digital images. The focus of the work is the calculation of fractal characteristics of image wavelet transforms. For the analysis color images are converted to a half-tone palette and an image is considered as integer-valued function of rectangular coordinates, i.e. a two-dimensional surface. Two basic methods of research are used: the modified fractal signature method and the method based on the calculation of fractal characteristics of image wavelet transforms. In order to perform wavelet transformation the Gauss function and its partial derivatives of the second order were used. The results of the methods application are vectors of fractal signatures. These vectors can be used to define whether or not different images belong to the same class. Performed experiments allow us to choose a method which shows the best result for incoming set of images.