Разработка и исследование алгоритмов измерения координат протяжённых объектов для бортовых систем анализа видеоизображений

• Автор: Шубин, Никита Юрьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Рязань
• Количество страниц: 180 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ.
ВВЕДЕНИЕ

1 АНАЛИЗ ПРОБЛЕМЫ ИЗМЕРЕНИЯ КООРДИНАТ ПРОТЯЖННЫХ ОБЪЕКТОВ.

1.1 Обзор и анализ методов и алгоритмов измерения координат протяжнных объектов.

1.2 Качественная постановка задачи измерения координат протяжнных объектов.

2 АЛГОРИТМЫ ИЗМЕРЕНИЯ КООРДИНАТ ОБЪЕКТОВ НА ОСНОВЕ АНАЛИЗА СТРУКТУРНЫХ ЭЛЕМЕНТОВ ИЗОБРАЖЕНИЯ
2.1 Модель представления протяженных объектов на основе комбинации структурных элементов

2.2 Алгоритм измерения координат объектов на основе преобразования Радона.

2.3 Определение и основные свойства модифицированного преобразования Радона

2.4 Алгоритм измерения координат объекта на основе оценки его контура

3 АЛГОРИТМЫ ИЗМЕРЕНИЯ КООРДИНАТ ОБЪЕКТОВ НА ОСНОВЕ СОПОСТАВЛЕНИЯ С ЭТАЛОНОМ И ИСПОЛЬЗОВАНИЯ МАСКИ ОБЪЕКТА
3.1 Разработка алгоритма измерения координат объектов.
3.2 Разработка алгоритма генерации маски на основе байесовского классификатора
3.3 Применение признака изменчивости яркости изображения объекта для улучшения работы байесовского классификатора
4 КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ
4.1 Компьютерная модель замкнутой системы сопровождения.
4.2 Экспериментальные исследования разработанных алгоритмов
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Он построен на основе многомасштабного представления изображения [], что позволяет описывать точки дескрипторами, инвариантными к аффинным преобразованиям, изменениям освещённости и даже размытию изображений. К недостаткам данного метода можно отнести его достаточно высокую вычислительную сложность, а также невозможность работы в некоторых случаях. Например, в случае ярко выраженной текстуры на изображениях фона и объекта, дескрипторы выделяемых точек будут сходны. Существует множество модификаций алгоритма, ориентированных на различные типы объектов и особых точек. Одна из наиболее известных его «быстрых» модификаций - SURF (Speeded Up Robust Feature [ - ]). В ней используются свойства матрицы Гессе для поиска особых точек. Определитель матрицы Гессе (т. С его помощью хорошо детектируются пятна, углы и края линий. Обратной стороной повышения скорости поиска особых точек является повышение чувствительности алгоритма к аффинным преобразованиям изображений. Для оценки параметров сдвига-поворота-масштабирования одного изображения относительно другого в [] предлагается приводить в соответствие выделенные на обоих изображениях прямые, совпадающие с границами каких-либо объектов. В задачах выделения прямых или прямолинейных границ объектов на изображениях часто применяют преобразования Радона или Хафа []. Результат преобразования Радона от изображения в дискретном случае - двумерная дискретная функция, значения которой являются суммами уровней яркости исходного изображения вдоль различных прямых. Параметры этих прямых представляют собой угол поворота а нормали к прямой и расстояние s прямой от центра изображения. Таким образом, наибольших значений преобразование Радона будет достигать в точках, соответствующих прямым на изображении, сумма яркостей пикселей вдоль которых максимальна []. Последнее используют в качестве косвенного признака совпадения данной прямой с одним из протяжённых отрезков на изображении. Для обнаружения более сложных фигур используют обобщённое преобразование Хафа []. В этом случае количество измерений преобразования равно числу степеней свободы искомой фигуры. Для обнаружения прямолинейных границ объектов исходное изображение перед применением преобразования Хафа или Радона обрабатывают фильтром выделения границ [, ]. Радона для лучшего выделения на нём локальных максимумов. Однако преобразование Радона является лишь суммой яркостей пикселей вдоль каждой отдельно взятой прямой и не несёт в себе информации об их взаимном положении. Вследствие этого локальный экстремум преобразования Радона не всегда соответствует реальной прямой на изображении. Зачастую (особенно в случаях наблюдений на неоднородном фоне с большим количеством объектов, высокой контрастности текстур или малого отношения сигнал/шум) на одной прямой оказывается довольно большое количество не связанных между собой точек. Данное обстоятельство ставит под сомнение применимость преобразований Радона и Хафа в решении задач слежения за протяжёнными объектами. В [] устойчивость к шумам и контрастным текстурам предлагалось увеличить за счёт введения в преобразование Радона третьего измерения, которому соответствовал сдвиг отрезка фиксированной длины вдоль прямой, задаваемой параметрами а и 5. Вдоль этого отрезка и осуществлялось интегрирование. В [] задаются координаты начала вектора, вдоль которого производится интегрирование, и угол его поворота при фиксированной длине. В [] для детектирования прямолинейных границ объектов производится дифференцирование изображения вдоль нескольких различных направлений. В полученном наборе дифференцированных изображений выполняется поиск максимумов. Для каждой точки максимума формируется профиль градиента в соответствующем направлении. Начальная и конечная точки сегмента оцениваются по профилю градиента с помощью пороговой обработки. Таким образом, данный алгоритм способен обнаруживать и выделять на изображении отрезки, соответствующие прямолинейным границам объектов. К алгоритмам структурного анализа можно также отнести различные алгоритмы на основе методов теории графов [].