1561-5405 10.24151/1561-5405 Proceedings of Universities. Electronics Scientifical and technical journal "Proceedings of Universities. Electronics" Научно-технический журнал «Известия высших учебных заведений. Электроника» 1561-5405 2587-9960 National Research University of Electronic Technology Национальный исследовательский университет "Московский институт электронной техники" 10.24151/1561-5405-2017-22-2-187-191004.021Краткие сообщенияClustering Algorithm of Key Points on IR-Range ImagesАлгоритм кластеризации ключевых точек на изображениях ИК-диапазонаСемаков Василий Павлович СемаковВасилий Павлович PavlovichSemakov VasiliySemakov Vasiliy PavlovichНациональный исследовательский университет «МИЭТ», г. Москва, Россия187191http://ivuz-e.ru/issues/2-_2017/algoritm_klasterizatsii_klyuchevykh_tochek_na_izobrazheniyakh_ik_diapazona/http://ivuz-e.ru/download/2_2017_1376.pdf

An approach to division into clusters of the objects on the IR-range images has been proposed. As the data for clustering a set of the key points-correspondences, obtained using the SIFT, SURF, ORB algorithms has been used. A typical object detection circuit has been compiled and the analysis of clustering algorithms has been performed. The constraints while using the existing approaches, which had pushed to creation of the clustering problem solution, have been revealed. The developed algorithm has been tested and has demonstrated its efficiency for the IR-range images. The results of the given approach to clustering can be used for classification of objects by area.

Предложен подход к разделению на кластеры объектов на изображениях ИК-диапазона. В качестве данных для кластеризации использовано множество ключевых точек-соответствий, получаемых с помощью алгоритмов SIFT, SURF, ORB. Составлена типовая схема обнаружения объекта и проведен анализ алгоритмов кластеризации. Выявлены ограничения при использовании существующих подходов, которые подтолкнули к созданию собственного решения задачи кластеризации. Разработанный алгоритм протестирован, показана его эффективность для изображений ИК-диапазона. Результаты данного подхода к кластеризации могут быть использованы для классификации объектов по площади.

обработка изображенийкластеризацияключевые точкиизображение ИК-диапазона Rublee E., Rabaud V., Konolige K., Bradski G. ORB: an efficient alternative to SIFT or SURF. – California, 2012.Jain A., Murty M., Flynn P. Data clustering: a review // ACM Computing Surveys. – 1999. – Vol. 31. – No. 3. – 264–323.Котов А., Красильников Н. Кластеризация данных, 2006 [Электронный ресурс]. – Режим доступа: http://logic.pdmi.ras.ru/~yura/internet/02ia-seminar-note.pdf (дата обращения: 28.10.2016).Николенко С. Кластеризация и алгоритм EM, 2012 [Электронный ресурс]. – Режим доступа: http://logic.pdmi.ras.ru/~sergey/teaching/mlau12/10-clustem.pdf (дата обращения: 28.10.2016).Воронцов К.В. Алгоритмы кластеризации и многомерного шкалирования: курс лекций. – М.: МГУ, 2007. – 18 c.Стрижов В.В., Кузнецов М.П., Рудаков К.В. Метрическая кластеризация последовательностей аминокислотных остатков в ранговых шкалах // Математическая биология и биоинформатика. – 2012. – Т. 7. – № 1.– С. 345–359.