Аннотация: Современные системы компьютерного зрения используют интеллектуальные алгоритмы, которые решают широкий класс задач от простого распознавания текста до сложных систем пространственного ориентирования. Одна из основных проблем, с которой сталкиваются разработчики таких систем – это выбор уникальных признаков, которые остаются инвариантными к различного рода преобразованиям. В статье приведен сравнительный анализ методов обнаружения и пространственной локализации групп точечных объектов. Рассмотренные методы сравниваются по производительности и эффективности при заданных размерностях. На сегодняшний день не существует универсальных подходов к определению таких характеристик, а их выбор зависит от контекста решаемой задачи и регистрируемых условий наблюдения. В качестве доминирующих признаков могут быть выбраны различного рода дескрипторы, такие как точки, линии, углы и геометрические примитивы. В работе выли исследованы алгоритмы обнаружения групп точечных объектов на основе минимального оставного дерева (MST) и с использованием модели ассоциированного сплошного образа (ACI).

Abstract: Modern systems of computer vision use intelligent algorithms that solve a wide class of problems from simple text recognition to complex systems of spatial orientation. One of the main problems for developers of such systems is in selection of unique attributes which remain invariant to various kinds of transformations. The article presents a comparative analysis of methods of detection and spatial localization of groups of point objects. The reviewed methods are compared by the performance and efficiency at specified dimensions. As of today there are no universal approaches to determine of such attributes, and its’ selection depends on the context of the problem being solved and on the registered conditions of observation. Various kinds of descriptors such as points, lines, angles and geometric primitives can be selected as dominating attributes. The authors study  algorithms for detection of groups of point objects based on the minimum spanning tree (MST) and using a model of associated continuous image (ACI).