Метод пространственно-временной обработки несинхронизированных видеопоследовательностей в системах стереовидения

• Автор: Пьянков, Дмитрий Игоревич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Красноярск
• Количество страниц: 129 с. : ил.

Содержание
ВВЕДЕНИЕ
Г лава 1. Анализ методов и систем временной и пространственной обработки видеопоследовательностей
1.1 Анализ методов временной коррекции видеопоследовательностей
1.1.1 Методы преобразования частоты кадров без оценки движения
1.1.2 Методы преобразования частоты кадров на основе оценки движения
1.2 Анализ методов пространственной коррекции
видеопоследовательностей
1.2.1 Методы выделения особенностей изображений
1.2.2 Методы сопоставления особенностей изображений
1.2.3 Методы выравнивания изображений
1.3 Анализ существующих систем пространственно-временной коррекции видеопоследовательностей
1.4 Выводы по главе
Глава 2. Пространственно-временная коррекция видеопоследовательностей
2.1 Предварительная обработка сцены видеопоследовательностей
2.2 Временная обработка сцены видеопоследовательностей
2.2.1 Предварительная оценка движения
2.2.2 Уточненная оценка движения для видеопоследовательностей с быстрой скоростью передвижения объектов
2.2.3 Уточненная оценка движения для видеопоследовательностей с медленной скоростью передвижения объектов
2.2.4 Интерполяция кадров
2.3 Пространственная обработка сцены видеопоследовательностей
2.3.1 Выравнивание некалиброванных видеопоследовательностей
2.3.2 Совмещение видеопоследовательностей
2.4 Алгоритм пространственно-временной коррекции
видеопоследовательностей
2.5 Выводы по главе
Глава 3. Построение экспериментальной комплексной системы пространственно-временной коррекции видеопоследовательностей и экспериментальные результаты
3.1 Структурная схема комплекса пространственно-временной коррекции
видеопоследовательностей
3.2 Описание модулей экспериментальной системы
3.3 Результаты экспериментальных исследований модуля временной
коррекции видеопоследовательностей
3.4 Результаты экспериментальных исследований модуля
пространственной коррекции видеопоследовательностей
3.5 Разработанное программное обеспечение для фреймсервера «АмзугйЬ»
и результаты экспериментальных исследований
3.6 Выводы по главе
ЗАКЛЮЧЕНИЕ
Библиографический список
ПРИЛОЖЕНИЕ 1 - Описание файловых структур разработанных плагинов для фреймсервера «Ау15упШ»

ВВЕДЕНИЕ
Актуальность работы. В настоящее время
стереовидеопоследовательности используются в киноиндустрии, в технических, геоинформационных системах, системах контроля и навигации. Стереовидеопоследовательность можно преобразовать под метод просмотра при помощи анаглифных очков, линейной поляризации или затворных ЖК-панелей; с другой стороны, на основе стереовидеопоследовательности можно извлечь глубину сцены и вычислить расстояние до объектов относительно центра камер. Методы оценки движения и интерполяции кадров могут применяться при сжатии изображений, преобразовании форматов видео, повышении качества видеоматериалов. Методы интерполяции видеопоследовательностей позволяют восстанавливать поврежденные кадры, делают движение объектов плавным и более приятным при просмотре.
Наиболее активные разработки в сфере пространственной и временной коррекции видеопоследовательностей проводятся такими российскими университетами, как: Институт систем обработки изображений РАН
(г. Самара), Московский государственный университет, Санкт-Петербургский государственный университет информационных технологий, механики и оптики, Ярославский государственный университет и ряд других организаций. Следует отметить вклад российских ученых, таких как чл.-корр. РАН, д.ф.-м.н. К.В. Рудаков, чл.-корр. РАН, д.т.н. В.А. Сойфер, д.т.н. В.П. Пяткин, д.т.н. Л.М. Местецкий, д.т.н. В.В. Сергеев, к.т.н. A.A. Лукьяница, д.ф.-м.н. Ю.В. Визильтер. Большой вклад в развитие теории обработки изображений внесли A.C. Алексеев, Т.Б. Борукаев, P.E. Быков, Г.И. Василенко, Ю.Г. Васин, К.К. Васильев, Г.Л. Гимельфарб, Ю.И. Журавлев, B.C. Киричук, Г.П. Катыс, В.Р. Крашенинников, А.П. Немирко, А.И. Перов, Ю.П. Пытьев, Ю.Г. Сосулин, A.A. Спектор, Я.А. Фурман, Н.Г. Федотов и другие.

разрешением (генерируются при помощи гауссовской пирамиды, простого усреднения или вейвлет-коэффициентов [28]). Затем постепенно улучшаются соответствующие оценки или параметры функции сопоставления, переходя к более высокому разрешению. На каждом уровне значительно снижается пространство поиска и экономятся необходимые вычислительные временные затраты.

Рисунок 1.9. Метод, основанный на использовании инвариантных дескрипторов: а) в двух спутниковых снимках контрольные точки (углы) были подобраны через инварианты на основе комплексных моментов. Числа определяют соответствующие номера характеристических точек; б) результат сопоставления.