EA022480B1 - Method of detection and identification of patterns and ornaments, and intelligent-information system for its implementation - Google Patents
Method of detection and identification of patterns and ornaments, and intelligent-information system for its implementation Download PDFInfo
- Publication number
- EA022480B1 EA022480B1 EA201100606A EA201100606A EA022480B1 EA 022480 B1 EA022480 B1 EA 022480B1 EA 201100606 A EA201100606 A EA 201100606A EA 201100606 A EA201100606 A EA 201100606A EA 022480 B1 EA022480 B1 EA 022480B1
- Authority
- EA
- Eurasian Patent Office
- Prior art keywords
- patterns
- block
- ornaments
- module
- identification
- Prior art date
Links
Landscapes
- Image Generation (AREA)
- Image Analysis (AREA)
Abstract
Description
(57) Изобретение относится к информационным технологиям и касается систем распознавания и идентификации узоров и орнаментов художественно-прикладного искусства и, в частности, ковровых изделий ручной работы. Сущность изобретения состоит в определении информативных параметров для сравнения с эталонными, в виде графиков плотностей распределения пикселей колора, определение наличия и вида симметрии и расчета центра тяжести изделия. Декомпозицию графических изображений узоров и орнаментов до элементарных составляющих осуществляют по контурам, образующимся на границах пикселей различных цветов, при этом в зависимости от пикселей цвета в узоре или орнаменте цветное изображение переходит в черно-белое таким образом, что если поля черные, то контуры - белые и наоборот. Декомпозицию в соответствии с разработанными алгоритмами осуществляют последовательно: от сложного изображения до простых фигур, а затем по цветовым составляющим и по основным узорам. Заявляемый способ распознавания и идентификации узоров и орнаментов художественно-прикладных изделий является интеллектуально-информационной экспертной системой и позволяет не только иметь реестр ценных художественно-прикладных изделий, в частности ковров ручной работы, но и производить идентификацию и распознавание их и восстанавливать изделия по сохранившимся фрагментам, а также формировать новые узоры, орнаменты и ковры.(57) The invention relates to information technology and relates to systems for recognizing and identifying patterns and ornaments of applied art and, in particular, handmade carpet products. The essence of the invention is to determine informative parameters for comparison with the reference, in the form of graphs of the distribution density of color pixels, determining the presence and type of symmetry and calculating the center of gravity of the product. The decomposition of graphic images of patterns and ornaments to elementary components is carried out along the contours formed at the borders of pixels of different colors, while depending on the color pixels in the pattern or ornament, the color image turns into black and white so that if the fields are black, then the contours are white and vice versa. Decomposition in accordance with the developed algorithms is carried out sequentially: from a complex image to simple shapes, and then according to color components and basic patterns. The inventive method for recognizing and identifying patterns and ornaments of art and applied products is an intellectual-information expert system and allows not only to have a register of valuable art and applied products, in particular handmade carpets, but also to identify and recognize them and restore products from the preserved fragments, as well as form new patterns, ornaments and carpets.
022480 В1022480 B1
Изобретение относится к информационным технологиям и касается систем распознавания и идентификации узоров и орнаментов художественно-прикладного искусства и, в частности, ковровых изделий ручной работы.The invention relates to information technology and relates to systems for recognizing and identifying patterns and ornaments of applied art and, in particular, handmade carpet products.
Автоматизация распознавания и идентификации графических образов во всех областях жизнедеятельности человека и, в частности, в художественно-прикладном искусстве является одной из актуальных проблем современных информационных технологий.Automation of recognition and identification of graphic images in all areas of human activity and, in particular, in applied art is one of the urgent problems of modern information technologies.
Известен способ (1) распознавания образов, представляющий собой сложный программный комплекс. Он включает обработку изображения, по меньшей мере, участка изображения (сегментация), определение параметров (признаков) идентификации, представление (нормализация) параметров в виде модифицированных данных изображения и распознавание, включающее получение оценки функции рассеяния на основе обнаружения начальной и конечной точки и сравнение выделенных признаков с эталонными по оценкам функции рассеяния точки. Однако способ предназначен только для распознавания черно-белого штрихового кода.The known method (1) pattern recognition, which is a complex software package. It includes image processing of at least a portion of the image (segmentation), determination of identification parameters (features), presentation (normalization) of parameters in the form of modified image data, and recognition, including obtaining an estimate of the scattering function based on detection of the starting and ending points and comparing the selected features with reference point scatter function estimates. However, the method is intended only for the recognition of a black and white bar code.
Наиболее близким по технической сущности является известный способ (2) распознавания изображений объектов, представляющий собой программный продукт, включающий создание эталонной базы, сканирование и дискретизацию (декомпозицию) изображения с целью выделения объекта на изображении, определение информативных параметров объекта. Выделенное изображение представляется в виде массива пикселей - плотности распределения пикселей, для сравнения с эталонными массивами. Размерность массива зависит от дискретизации изображения. Оценка функции рассеивания при создании массива ориентирована на распознавание только градаций серого. Способ позволяет достаточно точно распознавать изображения и обеспечивает инвариантность к аффинным преобразованиям поворота и масштабирования. К недостаткам данного изобретения относится то, что продукт не предназначен для распознавания изображений в цветовой гамме, что является одним из важнейших параметров характеристик для узоров и орнаментов в художественно-прикладном искусстве.The closest in technical essence is the known method (2) for recognizing images of objects, which is a software product that includes creating a reference base, scanning and discretizing (decomposing) an image to select an object in the image, and determining the informative parameters of the object. The selected image is presented in the form of an array of pixels - the distribution density of pixels, for comparison with reference arrays. The dimension of the array depends on the discretization of the image. Evaluation of the scattering function when creating an array is focused on recognizing only gradations of gray. The method allows for accurate recognition of images and provides invariance for affine transformations of rotation and scaling. The disadvantages of this invention include the fact that the product is not intended for image recognition in a color scheme, which is one of the most important characteristics parameters for patterns and ornaments in the applied art.
Задача изобретения состоит в создании способа, позволяющего автоматизировать процесс распознавания и идентификации цветных узоров и орнаментов изделий художественно-прикладного искусства, в частности ковров ручной работы.The objective of the invention is to create a method that allows you to automate the process of recognition and identification of color patterns and ornaments of arts and crafts, in particular handmade carpets.
Сущность изобретения состоит в способе распознавания и идентификации узоров и орнаментов. Способ включает сканирование, масштабирование и декомпозицию изображения, определение информативных параметров выделенного изображения и представление этих параметров в виде графиков плотностей распределения пикселей колора и дополнительно для идентификации узора или орнамента в целом определение наличия и вида симметрии и расчета центра тяжести изделия. Декомпозицию графических изображений узоров и орнаментов до элементарных составляющих осуществляют по контурам, образующимся на границах пикселей различных цветов; при этом в зависимости от пикселей цвета в узоре или орнаменте цветное изображение переходит в черно-белое таким образом, что если поля черные, то контуры - белые и наоборот. Декомпозицию в соответствии с разработанными алгоритмами осуществляют последовательно: от сложного изображения до простых фигур, а затем по цветовым составляющим и по основным узорам.The invention consists in a method for recognizing and identifying patterns and ornaments. The method includes scanning, scaling and decomposing the image, determining the informative parameters of the selected image and presenting these parameters in the form of graphs of the distribution density of color pixels and, in addition, to identify the pattern or ornament as a whole, determine the presence and type of symmetry and calculate the center of gravity of the product. The decomposition of graphic images of patterns and ornaments to elementary components is carried out along the contours formed at the borders of pixels of various colors; depending on the color pixels in the pattern or ornament, the color image goes black and white so that if the fields are black, then the contours are white and vice versa. Decomposition in accordance with the developed algorithms is carried out sequentially: from a complex image to simple shapes, and then according to color components and basic patterns.
Сущность изобретения также состоит в создании интеллектуально-информационной системы, реализующей этот способ. Интеллектуально-информационная система (экспертная) состоит из трех модульных блоков: модуля паспортизации изделий художественно-прикладного искусства; модуля распознавания и идентификации, модуля банка данных и трех самостоятельных блоков: блок оценки наличия Золотого Сечения, рядов Фибоначчи и зрительных центров; блок компьютерного формирования узоров, орнаментов и изделий художественно-прикладного искусства (реставрации и восстановления); блок формирования учебных и агитационных материалов. Модуль паспортизации изделий художественноприкладного искусства содержит блок технических и технологических характеристик; блок изображений и блок экспертных знаний. Модуль распознавания и идентификации содержит блок распознаваемых узоров и орнаментов, блоки выбора узора, декомпозиции, информационных признаков, решатель и блок распознавания и идентификации. Модуль банка данных содержит каталог изделий художественноприкладного искусства и каталог отдельных узоров и орнаментов; при этом выход модуля паспортизации связан с входом модулей распознавания и идентификации и банка данных, а выход модуля распознавания и идентификации связан с входом модуля банка данных и блоком оценки наличия Золотого Сечения, рядов Фибоначчи и зрительных центров, выход которого связан со входом модуля банка данных. Выходы модуля банка данных связаны с входами блока компьютерного формирования узоров, орнаментов и изделий художественно-прикладного искусства (реставрации и восстановления) и блока формирования учебных и агитационных материалов. Вход в систему осуществляется через модуль паспортизации, а выход пользователю - из модуля банка данных, блока компьютерного формирования узоров, орнаментов и изделий художественно-прикладного искусства (реставрации и восстановления) и блока формирования учебных и агитационных материалов.The invention also consists in creating an intellectual information system that implements this method. The intellectual information system (expert) consists of three modular units: a module for certification of products of applied art; recognition and identification module, data bank module and three independent blocks: a block for assessing the presence of the Golden Section, Fibonacci series and visual centers; block of computer formation of patterns, ornaments and products of applied art (restoration and restoration); block for the formation of educational and propaganda materials. The module for certification of products of applied art contains a block of technical and technological characteristics; block of images and block of expertise. The recognition and identification module contains a block of recognizable patterns and ornaments, blocks for selecting a pattern, decomposition, information signs, a solver and a recognition and identification block. The database module contains a catalog of products of applied art and a catalog of individual patterns and ornaments; the output of the passportization module is connected to the input of the recognition and identification modules and the data bank, and the output of the recognition and identification module is connected to the input of the data bank module and the unit for assessing the presence of the Golden Section, Fibonacci series and visual centers, the output of which is connected to the input of the data bank module. The outputs of the data bank module are connected to the inputs of the block for the computer formation of patterns, ornaments and products of applied art (restoration and restoration) and the block for the formation of educational and propaganda materials. The system is logged in through the passportization module, and the user is logged out from the data bank module, the computer block for the formation of patterns, ornaments and products of applied art (restoration and restoration) and the block for the formation of educational and propaganda materials.
Сравнительный анализ заявляемого решения и прототипа показал, что заявляемое решение отличается от прототипа следующими существенными признаками: объектом изобретения, алгоритмами декомпозиции графических изображений и информативными параметрами для сравнения выделенных объ- 1 022480 ектов с эталонными, в качестве которых используют графики плотностей распределения пикселей колора контуров, образующихся на границах пикселей различных цветов. Другими отличительными новыми признаками для идентификации изделия являются определение наличия и вида симметрии и расчета центра тяжести изделия в целом и/или выделенных узоров и орнаментов. Кроме того, существенным признаком является разработанная интеллектуально-информационная система, реализующая заявляемый способ. Следовательно, заявляемое изобретение соответствует критерию новизна.A comparative analysis of the proposed solution and the prototype showed that the claimed solution differs from the prototype in the following essential features: the subject of the invention, algorithms for the decomposition of graphic images and informative parameters for comparing selected objects with reference objects, which are used as graphs of the pixel density distribution of the outline color, formed at the borders of pixels of various colors. Other distinctive new features for product identification are the determination of the presence and type of symmetry and the calculation of the center of gravity of the product as a whole and / or selected patterns and ornaments. In addition, an essential feature is the developed intellectual information system that implements the inventive method. Therefore, the claimed invention meets the criterion of novelty.
Сопоставительный анализ с другими известными решениями в этой области показал, что не было найдено в качестве объектов автоматического распознавания и идентификации предметов художественно-прикладного искусства или других объектов распознавания, содержащих большую цветовую гамму, а также соответствующих интеллектуально-информационных систем, реализующих подобный способ распознавания и идентификации. В заявляемом изобретении метод декомпозиции - алгоритм разложения сложного узора или орнамента осуществляют по пикселям колора. При этом цветное изображение переходит в черно-белое в зависимости от пикселя цвета в рисунке узора или орнамента. Это позволяет произвести декомпозицию любого фрагмента в виде достаточно простых функционалов. На плоскости в декартовых координатах для простой фигуры одного цвета (фиг. 1а) это есть разомкнутый контур, а для двуцветных (фиг. 2а) - замкнутый контур (фиг. 2б), либо поле (фиг. 2в). Тогда рисунок узора или орнамента можно представить сложной функцией контуров и цвета, а весь рисунок изображения - графиком распределения плотностей пикселей колора в виде р = X (*,> у >); Λ , У/); Λ; ВР} где ёк(х1,У]) - контуры отдельных изображений; ίρζΧί,γ,) - плоскости изображений одинаковых цветов без разрывов - внутренние поля; Ак - количество одинаковых контуров; Вр - количество одинаковых плоскостей; ρ - пиксели колора, к=1, 2, ... η, ρ=1, 2, ... т.A comparative analysis with other well-known solutions in this area showed that it was not found as objects of automatic recognition and identification of objects of applied art or other recognition objects containing a large color gamut, as well as corresponding intellectual information systems that implement a similar recognition method and identification. In the claimed invention, the decomposition method - the decomposition algorithm of a complex pattern or ornament is carried out on the pixels of the color. In this case, the color image turns into black and white, depending on the color pixel in the pattern or ornament. This allows you to decompose any fragment in the form of fairly simple functionals. On a plane in Cartesian coordinates, for a simple figure of the same color (Fig. 1a), this is an open loop, and for two-color ones (Fig. 2a), this is a closed loop (Fig. 2b) or a field (Fig. 2c). Then a picture of a pattern or ornament can be represented by a complex function of contours and color, and the whole picture of the image is a graph of the distribution of pixel pixel densities in the form p = X (*,>y>); Λ, Y /); Λ; In P} where yok ( x 1, Y]) are the contours of individual images; ίρζΧί, γ,) - image planes of the same colors without gaps - internal fields; And to - the number of identical circuits; In p is the number of identical planes; ρ - color pixels, k = 1, 2, ... η, ρ = 1, 2, ... t.
При Ак=1; Вр=0 получают изображение простого контура (фиг. 1а) и графики плотностей распределения пикселей по осям ОХ (фиг. 1б) и ОУ (фиг. 1в). При Ак=1; Вр=1 получают изображение узора (фиг. 2а), его разложение на контур узора (фиг. 2б) и внутреннее поле узора (фиг. 2в) и графики плотностей распределения пикселей по осям ОХ и ОУ для контуров узора и его внутреннего поля (фиг. 2б1, б2, в1, в2 соответственно). Численные значения Ак и Вр зависят от сложности орнамента. Чем сложнее узор, тем количество контуров д и внутренних полей £ увеличивается. Для сложного узора, изображенного на фиг. 3, размером ΝχΜ, функция разложения на контуры и внутренние поля может быть представлена в следующем виде:When A to = 1; At p = 0, an image of a simple contour is obtained (Fig. 1a) and graphs of the pixel distribution densities along the axes OX (Fig. 1b) and OA (Fig. 1c). When Ak = 1; Bp = 1 receive the image of the pattern (Fig. 2a), its decomposition into the contour of the pattern (Fig. 2b) and the internal field of the pattern (Fig. 2c) and graphs of the pixel distribution densities along the OX and OA axes for the contours of the pattern and its internal field (Fig. . 2b1, b2, b1, b2, respectively). The numerical values of A to and B p depend on the complexity of the ornament. The more complex the pattern, the more the number of contours g and internal fields £ increases. For the complex pattern depicted in FIG. 3, of size ΝχΜ, the decomposition function into contours and internal fields can be represented as follows:
гдеWhere
Этим алгоритмом сложный орнамент можно представить в виде последовательности простых фигур, что приводит задачу распознавания сложного узора к распознаванию простых фигур в черно-белом исполнении для хранения в эталонной базе данных и сопоставлении при идентификации. Для £ и д соответственно строятся графики плотности распределения. При этом каждый узор будет представлен своим изображением, функцией плотности распределения контурного и срединного поля. При идентификации узора или орнамента в целом в качестве информативных параметров для сравнения с эталонными производят масштабирование, определяют известным методом вид симметрии (3) для и рассчитывают центр тяжести объекта известным (4) методом. Таким образом, разработанная интеллектуальноинформационная система распознавания и идентификации и новые признаки заявляемого изобретения, создают новую совокупность признаков, которая позволяет решить поставленную задачу, что соответствует критерию технический уровень и, следовательно, заявляемое решение может быть признано изобретением.With this algorithm, a complex ornament can be represented as a sequence of simple figures, which leads the task of recognizing a complex pattern to recognition of simple figures in black and white for storage in a reference database and matching during identification. For ξ and q, respectively, graphs of the distribution density are constructed. In this case, each pattern will be represented by its image, the density distribution function of the contour and middle field. When identifying the pattern or ornament as a whole, scaling is performed as informative parameters for comparison with the reference ones, the symmetry form (3) for is determined by the known method, and the center of gravity of the object is calculated by the known (4) method. Thus, the developed intellectual information recognition and identification system and the new features of the claimed invention create a new set of features that allows us to solve the problem, which meets the criterion of the technical level and, therefore, the claimed solution can be recognized by the invention.
Реализация заявляемого способа проиллюстрирована на фиг. 1-7. На фиг. 1а представлен простой узор Утка, б, в - графики плотности распределения пикселей этого узора в виде одноцветного разомкнутого контура по ОХ и ОУ соответственно. На фиг. 2 - узор Листочек, а - поле и контур узора, б, в результат декомпозиции на контур узора и поле узора соответственно; б1, б2, в1, в2 - графики плотности распределения пикселей узора по ОХ и ОУ для контура узора и его поля соответственно. На фиг. 3 представлен сложный узор Кердекбаши, на котором выделены пиксели цветов (а, б, в, г, д) и изображены графики плотности распределения этих цветов (а1, б1, в1, г1, д1) по оси ОХ, а на (а2, б2, в2, г2, д2) по оси ОУ. На фиг. 4 пример поэтапной декомпозиции сложного узора. На фиг. 5а представлено изображение ковра Мехрабы, (5б-5д) - основные цветовые составляющие данного ковра. На фиг. 6а - изображе- 2 022480 ние ковра Гарабаглар, 6б - бордюрные полосы данного ковра, 6в, г, д - крупные узоры срединного поля ковра. На фиг. 7 представлена схема функционирования интеллектуально-информационной системы распознавания и идентификации узоров и орнаментов. Схема содержит: I - модуль паспортизации изделий художественно-прикладного искусства; II - модуль распознавания и идентификации; III - модуль банка данных; 1 - блок технических и технологических характеристик; 2 - блок изображений, 3 - блок экспертных данных; 4, 5 - блоки распознаваемых узоров и орнаментов; 6 - блок выбора узора; 7 - блок декомпозиции; 8 - блок информативных признаков; 9 - блок решатель; 10 - блок распознавания и идентификации; 11 - блок каталога изделий художественно-прикладного искусства; 12 - блок каталога отдельных узоров и орнаментов; 13 - блок оценки наличия Золотого Сечения, рядов Фибоначчи и зрительных центров; 14 - блок компьютерного формирования узоров, орнаментов и изделий художественно-прикладного искусства (реставрации и восстановления); 15 - блок формирования учебных и агитационных материалов.The implementation of the proposed method is illustrated in FIG. 1-7. In FIG. Figure 1a shows a simple Utka pattern, b, c are the density distribution graphs of the pixels of this pattern in the form of a single-color open loop along OX and OA, respectively. In FIG. 2 - Leaflet pattern, a - field and contour of the pattern, b, as a result of decomposition into the contour of the pattern and the pattern field, respectively; b1, b2, b1, b2 are the density distribution graphs of the pixels of the pattern along the OX and OU for the pattern contour and its field, respectively. In FIG. Figure 3 shows a complex Kerdekbashi pattern, on which the pixels of colors (a, b, c, d, e) are highlighted and the density distribution graphs of these colors (a1, b1, b1, g1, d1) along the OX axis are shown, and on (a2, b2 , B2, r2, d2) along the axis of the OS. In FIG. 4 example of a phased decomposition of a complex pattern. In FIG. 5a presents the image of the Mehrabi carpet, (5b-5d) - the main color components of this carpet. In FIG. 6a - image of Garabaglar carpet, 6b - border stripes of this carpet, 6c, d, e - large patterns of the middle field of the carpet. In FIG. 7 is a diagram of the functioning of the intellectual information system for recognizing and identifying patterns and ornaments. The scheme contains: I - a module for certification of products of applied art; II - recognition and identification module; III - data bank module; 1 - block technical and technological characteristics; 2 - block of images, 3 - block of expert data; 4, 5 - blocks of recognizable patterns and ornaments; 6 - block pattern selection; 7 - decomposition unit; 8 - block informative features; 9 - block solver; 10 - recognition and identification unit; 11 - block catalog of arts and crafts; 12 - block catalog of individual patterns and ornaments; 13 is a block for assessing the presence of the Golden Section, Fibonacci series and visual centers; 14 - a block of computer formation of patterns, ornaments and products of applied art (restoration and restoration); 15 - block formation of educational and propaganda materials.
Способ осуществляют следующим образом.The method is as follows.
На вход интеллектуально-информационной системы в модуль паспортизации (I) представляют изделие художественно-прикладного искусства. В блок 1 вводят технические и технологические характеристики изделия - геометрические параметры, материал и метод, использованный для изготовления изделия. В блок 2 вводят сканированное изображение изделия. В блоке 3 систематизированы экспертные данные о месте происхождения отсканированного изделия и его характерных особенностях. Из модуля (I) в модуль распознавания и идентификации (II) поступает отсканированное изображение изделия, где его виртуально разделяют на структурно-составляющие фрагменты (срединное поле, бордюры, орнаменты и, по необходимости, на основные геометрические рисунки). В блоке 4 собраны срединные узоры, а в блоке 5 - бордюрные полосы. В блоке 6 последовательно производят выбор одного из рисунков изделия для декомпозиции его узора по цветам. В блоке 7 осуществляют декомпозицию узора до простых одноцветных составляющих. В блоке 8 определяют информативно-значимые признаки узора по наличию и виду симметрии, центру тяжести фигуры и по плотности распределения одноцветных составляющих. В блоке 9 решатель, используя полученные в блоке 8 информативные параметры узоров, классифицируют узоры по классам, сформированным экспертами для каждого вида, или группы видов, изделий. В блоке 10 для распознавания производят соответствующее масштабирование, вращение, параллельный перенос, а для идентификации применяют известные (5) методы искусственного интеллекта, и математической статистики, математическая теория выбора и принятия решения. В блоке 11 по известной методике (6) определяют соответствие узоров и орнаментов правилам Золотого сечения, зрительных центров и связанными с ними рядами Фибоначчи. В модуль банка данных (III) поступает вся информация об изделии, полученная в результате его исследования заявляемой системой. Блок 12 является каталогом изделий художественно-прикладного искусства определенного вида, а блок 13 - каталогом отдельных узоров и орнаментов, включая информативно-значимые параметры для экспертизы. Блок 14 предназначен для компьютерного формирования узоров, орнаментов, бордюров, реставрации изображения узора по сохранившемуся фрагменту и для расчета расхода нитей по пикселям цвета. Блок 15 предназначен для формирования мультимедийных материалов, содержащих информацию об истории изделий художественноприкладного искусства.At the input of the intellectual information system into the passportization module (I), a product of applied art is presented. Block 1 introduces the technical and technological characteristics of the product — geometric parameters, material, and the method used to manufacture the product. In block 2 enter the scanned image of the product. In block 3, expert data on the place of origin of the scanned product and its characteristic features are systematized. From the module (I) to the recognition and identification module (II), a scanned image of the product is received, where it is virtually divided into structural components (the middle field, borders, ornaments and, if necessary, the main geometric patterns). In block 4, median patterns are collected, and in block 5, border stripes. In block 6, one of the product drawings is sequentially selected for the decomposition of its pattern by color. In block 7, the pattern is decomposed to simple monochromatic components. In block 8, informatively significant features of the pattern are determined by the presence and type of symmetry, the center of gravity of the figure, and the distribution density of monochrome components. In block 9, the solver, using the informative parameters of patterns obtained in block 8, classifies patterns according to the classes formed by experts for each type, or group of types, products. In block 10, for recognition, appropriate scaling, rotation, parallel transfer are performed, and the known (5) methods of artificial intelligence, and mathematical statistics, the mathematical theory of choice and decision making are used for identification. In block 11, according to the well-known methodology (6), the correspondence of patterns and ornaments to the rules of the Golden Section, visual centers and Fibonacci series associated with them is determined. The data bank (III) module receives all the product information obtained as a result of its study by the claimed system. Block 12 is a catalog of products of applied art of a certain type, and block 13 is a catalog of individual patterns and ornaments, including informatively significant parameters for examination. Block 14 is intended for the computer formation of patterns, ornaments, borders, restoration of the image of a pattern from a preserved fragment, and for calculating the thread consumption by color pixels. Block 15 is intended for the formation of multimedia materials containing information about the history of products of applied art.
Пример конкретного выполнения способа на базе экспертизы ковров ручной работы Азербайджана.An example of a specific implementation of the method based on the examination of handmade carpets in Azerbaijan.
На вход интеллектуально-информационной системы в модуль паспортизации (I) представлен ковер Мехрабы (фиг. 5а) или ковер Гарабаглар (фиг. 6а). В блок 1 вводят технические и технологические характеристики этих ковров - геометрическая форма, размер, количество петель на квадратный дециметр, плотность узлов, высота ворса. В блок 2 вводят отсканированное изображение ковра. В блоке 3 систематизированы экспертные данные отсканированного ковра, включающие сведения о ковроткаческой школе, о подразделах узоров и орнаментов по школам, времени изготовления, основе, типе нитей, формы вязки узлов, распределения узоров по школам. Из модуля (I) в модуль распознавания и идентификации (II) поступает отсканированное изображение ковра (фиг. 6а), где его виртуально разделяют на структурно-составляющие фрагменты (фиг. 6б-6д) - срединное поле, срединные узоры, бордюры. В блоке 4 собраны срединные узоры и срединное поле (фиг. 6в-д), а в блоке 5 - бордюрные полосы (фиг. 6б). В блоке 6 последовательно производят выбор одного из рисунков изделия для декомпозиции его узора по цветам. В блоке 7 осуществляет декомпозицию узора в соответствии с заявляемым способом до простых одноцветных составляющих. Декомпозицию узоров по цветам осуществляют поэтапно. Сначала отделяют внешний узор по границе различных цветов. Затем переходят к внутреннему узору и т.д., пока узор не будет разбит на все составляющие (фиг. 4а-г). Процесс декомпозиции продолжается до достижения конечного цельного одноцветного контура (фиг. 1а или фиг. 2а-в). В блоке 8 определяют информативнозначимые признаки: наличие и вид симметрии - различают зеркальную, поворотную и винтовую симметрии, вычисляют центр тяжести фигуры и график плотности распределения пикселей цвета по осям ординат. В блоке 9 решатель, используя полученные в блоке 8 информативные параметры узоров, классифицируют их по тематике и форме рисунка (для данного примера всего по 32 классам (7)). В блоке 10 для процесса распознавания производят соответствующее масштабирование, вращение, параллельный перенос, а для идентификации применяют известные (5) методы искусственного интеллекта, и математиче- 3 022480 ской статистики, математическая теория выбора и принятия решения. В блоке 11 по известной методике (6) определяют соответствие узоров и орнаментов правилам Золотого сечения, зрительных центров и связанными с ними рядами Фибоначчи. В модуль банка данных (III) поступает вся информация об изделии, полученная в результате его исследования заявляемой системой. Блок 12 является каталогом азербайджанских ковров ручной работы, а блок 13 является каталогом ковровых узоров и орнаментов, включая информативно-значимые параметры для экспертизы. Блок 14 предназначен для компьютерного формирования узоров, орнаментов, бордюров, реставрации изображения узора по сохранившемуся фрагменту и расчета расхода нитей по пикселям цвета. Блок 15 предназначен для формирования мультимедийных материалов, содержащих информацию об истории азербайджанских ковров.At the entrance of the intellectual information system into the certification module (I), a Mehrabi carpet (Fig. 5a) or a Garabaglar carpet (Fig. 6a) is presented. Block 1 introduces the technical and technological characteristics of these carpets - geometric shape, size, number of loops per square decimeter, density of nodes, pile height. Block 2 introduces a scanned image of the carpet. In block 3, expert data of the scanned carpet is systematized, including information about the carpet-weaving school, about the subsections of patterns and ornaments by schools, production time, basis, type of threads, the form of knitting, the distribution of patterns across schools. From the module (I) the recognition and identification module (II) receives a scanned image of the carpet (Fig. 6a), where it is virtually divided into structurally-fragments (Fig. 6b-6d) - the middle field, middle patterns, borders. In block 4, median patterns and a median field are assembled (Fig. 6c-d), and in block 5, border strips are collected (Fig. 6b). In block 6, one of the product drawings is sequentially selected for the decomposition of its pattern by color. In block 7, the decomposition of the pattern in accordance with the claimed method to simple single-color components. Decomposition of patterns by colors is carried out in stages. First, the external pattern is separated along the border of various colors. Then they move on to the internal pattern, etc., until the pattern is divided into all components (Fig. 4a-d). The decomposition process continues until the final solid monochromatic contour is reached (Fig. 1a or Fig. 2a-c). In block 8, informatively significant signs are determined: the presence and type of symmetry - they distinguish between mirror, rotational and helical symmetries, calculate the center of gravity of the figure and the graph of the density of the distribution of color pixels along the ordinate axes. In block 9, the solver, using the informative parameters of the patterns obtained in block 8, classifies them according to the subject and shape of the picture (for this example, only 32 classes (7)). In block 10, for the recognition process, scaling, rotation, parallel transfer are performed, and the known (5) methods of artificial intelligence, and mathematical statistics, mathematical theory of choice and decision making are used for identification. In block 11, according to the well-known methodology (6), the correspondence of patterns and ornaments to the rules of the Golden Section, visual centers and Fibonacci series associated with them is determined. The data bank (III) module receives all the product information obtained as a result of its study by the claimed system. Block 12 is a catalog of Azerbaijani handmade carpets, and block 13 is a catalog of carpet patterns and ornaments, including informatively significant parameters for examination. Block 14 is intended for the computer formation of patterns, ornaments, borders, restoration of the image of a pattern from a preserved fragment and calculation of thread consumption by color pixels. Block 15 is intended for the formation of multimedia materials containing information on the history of Azerbaijani carpets.
Заявляемый способ распознавания и идентификации узоров и орнаментов художественноприкладных изделий является интеллектуально-информационной экспертной системой и позволяет не только иметь реестр ценных художественно-прикладных изделий, в частности ковров ручной работы, но и производить идентификацию и распознавание их и восстанавливать изделия по сохранившимся фрагментам, а также формировать новые узоры, орнаменты и ковры.The inventive method for recognizing and identifying patterns and ornaments of artistic and applied products is an intellectual information expert system and allows not only to have a register of valuable artistic and applied products, in particular handmade carpets, but also to identify and recognize them and restore products from the preserved fragments, as well as to form new patterns, ornaments and carpets.
Литература.Literature.
1. Заявка на ПРФ № 2007143131 Обработка изображений для распознавания образов, МПК С06К9/00, 24.05.2005.1. Application for PRF No. 2007143131 Image Processing for Pattern Recognition, IPC S06K9 / 00, 05.24.2005.
2. ПРФ № 2361273, МПК О06К9/62 Способ и устройство для распознавания изображений объектов, 12.03.07 (прототип).2. PRF No. 2361273, IPC O06K9 / 62 Method and device for image recognition of objects, 03/12/07 (prototype).
3. Кочегаров Б.Е., Промышленный дизайн. - Владивосток: ДВГТУ, 2006, 153 с.3. Kochegarov BE, Industrial design. - Vladivostok: DVGTU, 2006, 153 p.
4. Фихтенгольц Г.М. Курс дифференциального и интегрального исчисления, т. 3. - М.: Физматлит, 2005, 728 с.4. Fichtenholtz G.M. The course of differential and integral calculus, t. 3. - M .: Fizmatlit, 2005, 728 p.
5. Хант Э. Искусственный интеллект. - М.: Мир, 1978, 558 с.5. Hunt E. Artificial Intelligence. - M.: Mir, 1978, 558 p.
6. Стахов А., Слученкова А., Щербаков И. Код да Винчи и ряды Фибоначчи. - Изд-во: Питер, 2006, 320 с.6. Stakhov A., Sludenkova A., Scherbakov I. Da Vinci code and Fibonacci series. - Publishing House: Peter, 2006, 320 pp.
7. Керимов Лятиф. Азербайджанский ковер. - Баку-Лен-град: Изд. АН Аз. ССР, 1961, 210 с.7. Kerimov Latif. Azerbaijani carpet. - Baku-Len-grad: Ed. AN Az. SSR, 1961, 210 p.
Claims (5)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EA201100606A EA022480B1 (en) | 2010-12-23 | 2010-12-23 | Method of detection and identification of patterns and ornaments, and intelligent-information system for its implementation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EA201100606A EA022480B1 (en) | 2010-12-23 | 2010-12-23 | Method of detection and identification of patterns and ornaments, and intelligent-information system for its implementation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| EA201100606A1 EA201100606A1 (en) | 2012-06-29 |
| EA022480B1 true EA022480B1 (en) | 2016-01-29 |
Family
ID=46614781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EA201100606A EA022480B1 (en) | 2010-12-23 | 2010-12-23 | Method of detection and identification of patterns and ornaments, and intelligent-information system for its implementation |
Country Status (1)
| Country | Link |
|---|---|
| EA (1) | EA022480B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2718426C1 (en) * | 2019-07-10 | 2020-04-02 | федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет" (Южный федеральный университет) | Fingerprint papillary pictures reconstruction device |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5546475A (en) * | 1994-04-29 | 1996-08-13 | International Business Machines Corporation | Produce recognition system |
| RU2163394C2 (en) * | 1999-03-29 | 2001-02-20 | Федеральный научно-производственный центр "Научно-исследовательский институт комплексных испытаний оптико-электронных приборов и систем ВНЦ "ГОИ им. С.И. Вавилова" | Material entity identification method |
| RU63086U1 (en) * | 2007-01-11 | 2007-05-10 | Общество с ограниченной ответственностью "Ви Ай Пи Колор" | DEVICE FOR DETERMINING COLOR STRUCTURAL CHARACTERISTICS OF A FRAME FOR A PRESENT IMAGE AREA |
| RU2361273C2 (en) * | 2007-03-12 | 2009-07-10 | Государственное образовательное учреждение высшего профессионального образования Курский государственный технический университет | Method and device for identifying object images |
| EP2154631A2 (en) * | 2008-08-14 | 2010-02-17 | Xerox Corporation | System and method for object class localization and semantic class based image segmentation |
-
2010
- 2010-12-23 EA EA201100606A patent/EA022480B1/en not_active IP Right Cessation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5546475A (en) * | 1994-04-29 | 1996-08-13 | International Business Machines Corporation | Produce recognition system |
| RU2163394C2 (en) * | 1999-03-29 | 2001-02-20 | Федеральный научно-производственный центр "Научно-исследовательский институт комплексных испытаний оптико-электронных приборов и систем ВНЦ "ГОИ им. С.И. Вавилова" | Material entity identification method |
| RU63086U1 (en) * | 2007-01-11 | 2007-05-10 | Общество с ограниченной ответственностью "Ви Ай Пи Колор" | DEVICE FOR DETERMINING COLOR STRUCTURAL CHARACTERISTICS OF A FRAME FOR A PRESENT IMAGE AREA |
| RU2361273C2 (en) * | 2007-03-12 | 2009-07-10 | Государственное образовательное учреждение высшего профессионального образования Курский государственный технический университет | Method and device for identifying object images |
| EP2154631A2 (en) * | 2008-08-14 | 2010-02-17 | Xerox Corporation | System and method for object class localization and semantic class based image segmentation |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2718426C1 (en) * | 2019-07-10 | 2020-04-02 | федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет" (Южный федеральный университет) | Fingerprint papillary pictures reconstruction device |
| RU2718426C9 (en) * | 2019-07-10 | 2020-12-29 | федеральное государственное автономное образовательное учреждение высшего образования "Южный федеральный университет" (Южный федеральный университет) | Fingerprint papillary pictures reconstruction device |
Also Published As
| Publication number | Publication date |
|---|---|
| EA201100606A1 (en) | 2012-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Tensor discriminative locality alignment for hyperspectral image spectral–spatial feature extraction | |
| US10078796B2 (en) | Apparatus and method of hand gesture recognition based on depth image | |
| Li et al. | Interpretable, highly accurate brain decoding of subtly distinct brain states from functional MRI using intrinsic functional networks and long short-term memory recurrent neural networks | |
| Al-Sahaf et al. | Keypoints detection and feature extraction: A dynamic genetic programming approach for evolving rotation-invariant texture image descriptors | |
| Kuzmanic et al. | Hand shape classification using DTW and LCSS as similarity measures for vision-based gesture recognition system | |
| Abidin et al. | Classification of Indonesian Traditional Snacks Based on Image Using Convolutional Neural Network (CNN) Algorithm | |
| Singh et al. | Application of complete local binary pattern method for facial expression recognition | |
| Trimm et al. | Visualizing student histories using clustering and composition | |
| Nuraedah et al. | Quadratic support vector machine for the bomba traditional textile motif classification | |
| CN111222530A (en) | Fine-grained image classification method, system, device and storage medium | |
| Prokott et al. | Gloss perception: Searching for a deep neural network that behaves like humans | |
| Jiji et al. | A new approach for unsupervised segmentation | |
| CN110163149A (en) | Acquisition methods, device and the storage medium of LBP feature | |
| Panigrahi et al. | Evaluations of fractal geometry and invariant moments for shape classification of corn germplasm | |
| Cerrillo-Cuenca et al. | Independent component analysis (ICA): A statistical approach to the analysis of superimposed rock paintings | |
| Bertacchini et al. | Shaping the aesthetical landscape by using image statistics measures | |
| EA022480B1 (en) | Method of detection and identification of patterns and ornaments, and intelligent-information system for its implementation | |
| Dharaniya et al. | Bird species identification using convolutional neural network | |
| Acosta-Mendoza et al. | Image classification using frequent approximate subgraphs | |
| Munkevik et al. | A computer vision system for appearance-based descriptive sensory evaluation of meals | |
| Katteda et al. | Feature extraction for image classification and analysis with ant colony optimization using fuzzy logic approach | |
| Abishek et al. | Advanced Skin Category Prediction System for Cosmetic Suggestion using Deep Convolution Neural Network | |
| Đurić et al. | Shape descriptors applied to the analysis of different types of the engineering elements | |
| Radlak et al. | Visualization enhancement of segmented images using genetic algorithm | |
| Kisan et al. | A novel method to estimate fractal dimension of color images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Lapse of a eurasian patent due to non-payment of renewal fees within the time limit in the following designated state(s) |
Designated state(s): AM AZ BY KZ KG MD TJ TM RU |