Разработка алгоритмов высокодетального моделирования объектов на основе анализа цифровых изображений

• Автор: Горбачев, Вадим Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 135 с. : ил.

Содержание
Введение

Глава 1. Локальные методы отождествления контурных особенностей изображения

1.1. Обзор методов отождествления контуров

1.2. Отождествление замкнутых контуров

1.2.1. Построение синтезированных замкнутых контуров

1.2.3. Форма представления контуров

1.2.4. Отождествление контуров методом динамического программирования.

1.2.5. Устранение ошибок отождествления

1.2.6. Привязка точек на основе отождествлённых контуров

1.2.7. Оценка точности привязки точек на основе контуров

1.3. Отождествление точечных особенностей
1.3.1. Задача построения ЦМП
1.3.2. Исходные данные для построения ЦМП
1.3.3. Общая характеристика метода локального отождествления точек интереса
1.3.4. Недостатки метода локального стереоотождествления точечных особенностей
1.4. Отождествление контурных особенностей
1.4.1. Выделение контуров на изображениях
1.4.2. Формирование элементарных отрезков
1.4.3. Поиск возможных соответствий для концевых точек элементарных отрезков

1.4.4. Формирование списков кандидатов для элементарных отрезков
1.4.5. Выбор лучших соответствий для элементарных отрезков
1.4.6. Разрешение коллизий при неоднозначном соответствии
1.5. Метод вероятностной релаксации
1.5.1. Основы метода вероятностной релаксации
1.5.2. Определение набора соседей для объекта
1.5.3. Вычисление коэффициента взаимного влияния
1.5.4. Использование контуров в процедуре глобального
стереоотождествления
1.6. Выводы
Глава 2. Глобальные методы отождествления точек изображения
2.1. Обзор методов стереоотождествления
2.2. Обзор моделей связей
2.3. Алгоритм полуглобального стереоотождествления (SGM)
2.4. Модификации метода полуглобального отождествления
2.4.1. Модификация метрики сравнения
2.4.2. Иерархическая обработка
2.4.3. Использование градиентной информации
2.4.4. Субпиксельность в алгоритме SGM
2.4.5. Устранение влияния ошибок нормализации
2.4.6. Фильтрация матрицы стоимости
2.4.7. Сглаживание карты диспаратности
2.4.8. Блочная обработка
2.5. Плотное многолучевое отождествление изображений
2.5.1. Проблема слепых зон

2.5.2. Полуглобальная оптимизация при многолучевом отождествлении
2.5.3. Оценка оптимального перекрытия
2.6. Выводы
Глава 3. Модельно-ориентированный метод построения трёхмерных моделей зданий
3.1. Постановка задачи и исходные данные
3.2. Построение геометрической модели объекта
3.2.1 Локализация элементов объекта на изображениях
3.2.2 Локализация положения элементов объекта в пространстве
3.2.3 Уточнение модели объекта
3.3. Поиск элементов фасада по цифровому эталону
3.3.1 Использование комплексного эталона
3.3.2 Инвариантный к масштабу поиск объектов
3.4. Текстурирование
3.5. Выводы
Заключение
Список литературы
Приложение. Основные сведения о фотограмметрических методах
1 .Математическая модель камеры
2. Эпиполярная геометрия и ректификация
3. Стереореконструкция
4. Проблема стереоотождествления

Окончательно, из (1.23) и (1.32) получаем дисперсию величины смещения оценки положения центральной точки (по одной угловой точке):
2ст- - А+Д

уаг 5 = 2а2х + К2 —~ = 2 сг2 О
(1.33)
Рассмотрим способ оценки положения центральной точки в виде усреднения оценок, полученных от всех угловых точек контура:
1 N _
пт =—У и,. (1-34)
Тогда дисперсия отклонения % оценки от истинного положения:
уаг5г =-^-У Уаг^ = —тУ(2(72 + Усга )~~сгх + —тУ У » (1-35)
2 1 * ' а‘> N х И2^ '
где - смещение оценки положения центральной точки по угловой точке г, й; -длина радиус-вектора из угловой точки к центральной точке, N - число угловых точек контура. С помощью (1.33) получим

где Д - длина сегмента контура перед угловой точкой /.
Таким образом, доказано следующее
Утверждение 1. Дисперсия оценки положения центральной точки при оценке методом голосования отождесвлённых контурных точек равняется
2^1+±у^

где ох2 - дисперсия оценки координат угловых точек контура, й, - длина радиус-вектора из угловой точки к центральной точке, N - число угловых точек контура, Д - длина сегмента контура перед угловой точкой г.
Выбор оптимальной центральной точки. Как видно из формулы (1.36), дисперсия оценки координат центральной точки зависит от расстояния й от