Повышение производительности и качества формирования цилиндрических панорам

• Автор: Чеховский, Дмитрий Валериевич
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Тула
• Количество страниц: 144 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР И АНАЛИЗ СИСТЕМ ПАНОРАМНОГО
НАБЛЮДЕНИЯ И ПРИНЦИПОВ ПОЛУЧЕНИЯ ПАНОРАМ
1Л. Классификация панорамных изображений
1.2. Классификация систем панорамного наблюдения
1.3 Системы панорамного наблюдения. Функциональные схемы
1.4. Детекторы признаков изображения
1.4.1. Классификация детекторов признаков изображения
1.4.2. Детекторы контуров
1.4.3. Детекторы углов
1.4.4. Детекторы пятен
1.4.5. Детекторы хребтов/долин
1.5. Дескрипторы признаков изображения
1.6. Выводы
1.7. Постановка задачи исследования
ГЛАВА 2. МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ ПРОЦЕССА СШИВАНИЯ
ИЗОБРАЖЕНИЙ
2.1. Повышение производительности СПИ с программной компенсацией поворота
2.2. Получение кадров СПИ с профаммной компенсацией поворота изображения
2.3. Методы сшивания кадров по реперным точкам
2.4. Ошибки, возникающие в СПИ
2.5. Выравнивание экспозиции кадров панорамы
2.6. Бинаризация кадров панорамы и выбор окон на зоне перекрытия
2.7. Поиск признаков изображения на смежных кадрах панорамы
2.8. Математическая модель системы панорамирования
2.9. Выводы по главе
ГЛАВА 3. ОЦЕНКА БЫСТРОДЕЙСТВИЯ СПИ С ПРОГРАММНОЙ
КОМПЕНСАЦИЕЙ ПОВОРОТА ИЗОБРАЖЕНИЯ

3.1. Анализ пригодности особых точек/углов для использования в качестве реперных точек для получения панорамы
3.1.1. Исходные данные
3.1.2. Анализ особых точек, полученных с помощью метода SIFT
3.1.3. Анализ особых точек, полученных с помощью метода SURF
3.2. Выбор участков изображения для поиска признаков изображения..
3.3. Анализ быстродействия методов получения и описания особых точек

3.3.1. Быстродействие методов SURF и SIFT
3.3.2. Анализ вычислительной сложности методов
3.4. Влияние импульсного шума на поиск реперных точек
3.5. Выводы
ГЛАВА 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СПИ С ПРОГРАММНОЙ
КОМПЕНСАЦИЕЙ ПОВОРОТА ИЗОБРАЖЕНИЯ
4.1. Описание механической части СПИ с программной компенсацией поворота изображения
4.2. Описание электронной и программной части СПИ с программной компенсацией поворота изображения
4.2.1. Блок управления СПИ
4.2.2. Программное обеспечение блока управления СПИ
4.3. Результаты работы СПИ с программной компенсацией поворота изображения
4.4. Недостатки СПИ с программной компенсацией поворота изображения
4.5. СПИ с вращающейся фотоматрицей
4.6. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность работы.
В настоящее время показателем высоких стандартов автоматизации и роботизации в промышленности является наличие развитой сенсорной системы, в связи с чем в науке и технике получил широкое развитие целый класс систем сбора данных как для мобильных устройств, гак и для стационарных систем.
Основными критериями, но которым оценивают конкурентоспособное!ь той или иной сенсорной системы, являются:
- разрешающая способность сенсоров;
- информационная ёмкость системы;
- соотношений полезный сигнал/шум;
- пропускная способность и др.
Как известно, наиболее удобным для обработки человеком является представление информации в визуальном формате, поскольку 80% процентов получаемой человеком информации составляет информация визуальная. В связи с этим широкое распространение получили системы технического зрения. При том наиболее перспективными в настоящий момент выглядят- системы панорамного (кругового) видеонаблюдения (СПН), как системы, обеспечивающие наибольший объем данных при минимальном количестве оборудования - как правило, такие системы оборудованы только одним видеодатчиком.
Благодаря сочетанию технологичности, высокой информационной ёмкости, возможности установки стационарно или на мобильную платформу подобные системы нашли широкое применение в охранных устройщвах, системах мониторинга окружающей среды как для гражданских, так и военных целей!: от наблюдения за ареалом обитания диких животных до установки на корпусе бронетехники в качестве видоискателя.
Главной задачей при этом становится получение панорамного изображения с помощью одного видеодатчика, как правило панорамные изображения

Если с - единичный импульс, тогда п - число пикселей в маске, которое находится внутри t ядер. Отклик детектора SUSAN определяется как
где у - геометрический порог.
Другими словами, функция дает положительный отклик только в случае, если область достаточно мала.
Значение I определяет насколько должны быть похожи между собой признаки изображений, чтобы стать ядром оператора. Значение g определяет наименьший размер однозначно определяемого сегмента. Если g достаточно велико, то детектор SUSAN можно рассматривать как детектор контуров, а не особых точек.
Для определения особых точек вычисляется центр тяжести признака изображения - центр тяжести особой точки должен находиться как можно дальше от ядра, а затем отсеять точки, лежащие на линии «центр тяжести - ядро».
Детектор Ферстнера
В детекторе Ферстнера особая точка F(x,y) определяется с помощью производных яркости I первого порядка, локальные максимумы которых и будут особыми точками [93]:
где 1Х и Д, - частные производные функции яркости, 1Х и Iу - средние значения яркости окрестности особой точки.
Лапласиан гауссиан
Одним из первых появившихся детекторов пятен стал лапласиан гауссиан (Laplacian of Gaussian) [105]. Сначала исходное изображение Дх,у) обрабатывают фильтром Гаусса
п{м)< g: п(м )> g.
(1.31)