Разработка методов машинного зрения для построения пространственных моделей трехмерных сцен

• Автор: Сибиряков, Александр Витальевич
• Шифр специальности: 05.13.16
• Научная степень: Кандидатская
• Год защиты: 1998
• Место защиты: Москва
• Количество страниц: 163 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ЦЕЛЬ ДИССЕРТАЦИОННОЙ РАБОТЫ И ПОСТАНОВКА ЗАДАЧ
СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ
1. МЕТОД ИЕРАРХИЧЕСКОГО КОРРЕЛЯЦИОННОГО СТЕРЕООТОЖДЕСТВЛЕНИЯ
1.1 ОБЗОР РАБОТ ПО МЕТОДАМ СТЕРЕООТОЖДЕСТВЛЕНИЯ
1.2. ПРОБЛЕМЫ, ВОЗНИКАЮЩИЕ ПРИ СТЕРЕООТОЖДЕСТВЛЕНИИ
1.3 ВЫБОР МЕТОДА РЕШЕНИЯ ЗАДАЧИ СТЕРЕООТОЖДЕСТВЛЕНИЯ
1.4. ВЫБОР НАИБОЛЕЕ УСТОЙЧИВЫХ ИНФОРМАТИВНЫХ УЧАСТКОВ ИЗОБРАЖЕНИЯ ПУТЕМ ЛОКАЛЬНОГО СТАТИСТИЧЕСКОГО АНАЛИЗА
1.4.1. ВЫЧИСЛИТЕЛЬНО ЭФФЕКТИВНЫЕ ПОКАЗАТЕЛИ ИНФОРМАТИВНОСТИ
1.4.2. АНАЛИЗ НАЛИЧИЯ СИГНАЛА НА ФРАГМЕНТЕ ИЗОБРАЖЕНИЯ
1.4.3. ДИСПЕРСИЯ ЯРКОСТИ КАК ПОКАЗАТЕЛЬ ИНФОРМАТИВНОСТИ УЧАСТКОВ ИЗОБРАЖЕНИЙ
1.5. КОРРЕЛЯЦИОННОЕ СТЕРЕООТОЖДЕСТВЛЕНИЕ С ИСПОЛЬЗОВАНИЕМ ПИРАМИДЫ СТЕРЕОПАР
1.6. ОБОБЩЕННАЯ ФОРМА КОРРЕЛЯЦИОННОГО СТЕРЕООТОЖДЕСТВЛЕНИЯ
1.7. ПРЕДСТАВЛЕНИЕ РЕЗУЛЬТАТОВ СТЕРЕООТОЖДЕСТВЛЕНИЯ
1.8. ЗАКЛЮЧЕНИЕ К ГЛАВЕ
2. МЕТОД СУБПИКСЕЛЬНОЙ КОРРЕЛЯЦИИ В ЗАДАЧЕ ВЫСОКОТОЧНОГО ОТОЖДЕСТВЛЕНИЯ СООТВЕТСТВУЮЩИХ ТОЧЕК СТЕРЕОИЗОБРАЖЕНИЙ
2.1. ОБЗОР МЕТОДОВ СУБПИКСЕЛЬНОГО КОРРЕЛЯЦИОННОГО
СТЕРЕООТОЖДЕСТВЛЕНИЯ
2.2. ЛИНЕАРИЗАЦИЯ ЗАДАЧИ
2.3. РЕШЕНИЕ ЗАДАЧИ НА ОБОБЩЕННЫЕ СОБСТВЕННЫЕ ЗНАЧЕНИЯ

2.4. РЕШЕНИЕ ЗАДАЧИ МАКСИМИЗАЦИИ КОРРЕЛЯЦИОННОЙ ФУНКЦИИ
2.5. ЭКВИВАЛЕНТНОСТЬ СУБПИКСЕЛЬНОЙ КОРРЕЛЯЦИИ И КОРРЕЛЯЦИИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ
2.6. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДА СУБПИКСЕЛЬНОЙ
КОРРЕЛЯЦИИ
2.7 МЕТОД СУБПИКСЕЛЬНОЙ КОРРЕЛЯЦИИ С УЧЕТОМ ПРЕДВАРИТЕЛЬНОЙ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ
2.7.1. ВВЕДЕНИЕ РЕЗУЛЬТАТА СЕГМЕНТАЦИИ В МОДЕЛЬ
СТЕРЕООТОЖДЕСТВЛЕНИЯ
2.7.2. ЛИНЕАРИЗАЦИЯ ЗАДАЧИ
2.7.3.ПРЕОБРАЗОВАНИЕ КОЭФФИЦИЕНТА КРОСС-КОРРЕЛЯЦИИ 77
2.7.4. ПРЕОБРАЗОВАНИЕ МОРФОЛОГИЧЕСКОГО КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ78
2.7.5. МАКСИМИЗАЦИЯ КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ
2.8. ЗАКЛЮЧЕНИЕ К ГЛАВЕ
3. ПОСТРОЕНИЕ ЦМР С ПОМОЩЬЮ ИЕРАРХИЧЕСКОЙ СТРАТЕГИИ
3.1 ОБЗОР МЕТОДОВ ПОСТРОЕНИЯ ЦМР
3.2 ВЫБОР МЕТОДА РЕШЕНИЯ ЗАДАЧИ ПОСТРОЕНИЯ ЦМР
3.3. ПРЕДСТАВЛЕНИЕ ЦМР
3.4. ПОЛУЧЕНИЕ ЦМР НА РЕГУЛЯРНОЙ СЕТКЕ
3.5. ПРИМЕНЕНИЕ ИЕРАРХИЧЕСКОЙ СТРАТЕГИИ ДЛЯ СОЗДАНИЯ ЦМР
3.6. ЗАДАНИЕ СТРАТЕГИЙ ДЛЯ РАЗЛИЧНЫХ ОБЛАСТЕЙ ПРИ ПОСТРОЕНИИ ЦМР
3.7. АВТОМАТИЧЕСКАЯ КОРРЕКЦИЯ ЦМР. ФИЛЬТРАЦИЯ И СГЛАЖИВАНИЕ
3.8. ПРИМЕНЕНИЕ ОРТОФОТО ДЛЯ КОРРЕКЦИИ ЦМР
3.9. АНАЛИЗ ГЕОМОРФОЛОГИЧЕСКОЙ СТРУКТУРЫ ЦМР
3.10 АНАЛИЗ ТОЧНОСТИ ЦМР

3.11 ПОСТРОЕНИЕ ЦМР ПУТЕМ ОТОЖДЕСТВЛЕНИЯ В ОБЪЕКТНОМ
ПРОСТРАНСТВЕ

3.12 ЗАКЛЮЧЕНИЕ К ГЛАВЕ
4. ОБНАРУЖЕНИЕ ТРЕХМЕРНЫХ ОБЪЕКТОВ НА ОСНОВЕ КОМПЛЕКСИРОВАНИЯ РАЗЛИЧНЫХ ВИДОВ ДАННЫХ
4.1. ОБЗОР РАБОТ ПО ОБНАРУЖЕНИЮ ТРЕХМЕРНЫХ ОБЪЕКТОВ
4.2.ВЫБОР МЕТОДА РЕШЕНИЯ ЗАДАЧИ ОБНАРУЖЕНИЯ ТРЕХМЕРНЫХ ОБЪЕКТОВЮЭ
4.3. ОБНАРУЖЕНИЕ ИСКУССТВЕННЫХ ОБЪЕКТОВ НА ЦВЕТНЫХ АВИАЦИОННЫХ ИЗОБРАЖЕНИЯХ
4.3.1. КЛАСТЕРИЗАЦИЯ В ХРОМАТИЧЕСКОМ ПРОСТРАНСТВЕ
4.3.2. ДЕТЕКТИРОВАНИЕ ТРЕХМЕРНЫХ ОБЪЕКТОВ С ПОМОЩЬЮ ИТЕРАТИВНОЙ КЛАССИФИКАЦИИ В ХРОМАТИЧЕСКОМ ЦВЕТОВОМ ПРОСТРАНСТВЕ А*,В*
4.3.3. ПРЕОБРАЗОВАНИЯ ЯСВ-ПРОСТРАНСТВА
4.3.4. АВТОМАТИЧЕСКИЙ ВЫБОР КЛАССА ИСКУССТВЕННЫХ ОБЪЕКТОВ
4.4. ИСПОЛЬЗОВАНИЕ ДРУГИХ ИСТОЧНИКОВ ИНФОРМАЦИИ ПРИ ДЕТЕКТИРОВАНИИ ИСКУССТВЕННЫХ ОБЪЕКТОВ
4.4.1. ИСПОЛЬЗОВАНИЕ ЦМР
4.4.2. АВТОМАТИЧЕСКОЕ ОПРЕДЕЛЕНИЕ КЛАССА ИСКУССТВЕННЫХ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ ЦМР
4.4.3. ИСПОЛЬЗОВАНИЕ ПЕРЕПАДОВ ЯРКОСТИ
4.4.4. СОВМЕСТНОЕ ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТА КЛАССИФИКАЦИИ, ЦМР,
КРАЕВ ДЛЯ ДЕТЕКТИРОВАНИЯ ТРЕХМЕРНЫХ ИСКУССТВЕННЫХ ОБЪЕКТОВ
4.4.5. СОВМЕСТНОЕ ИСПОЛЬЗОВАНИЕ РЕЗУЛЬТАТА КЛАССИФИКАЦИИ И КРАЕВ ДЛЯ ДЕТЕКТИРОВАНИЯ ТРЕХМЕРНЫХ ИСКУССТВЕННЫХ ОБЪЕКТОВ
4.5 ЗАКЛЮЧЕНИЕ К ГЛАВЕ
5. РЕКОНСТРУКЦИЯ ТРЕХМЕРНЫХ ОБЪЕКТОВ НА ОСНОВЕ МОДЕЛЕЙ
5.1. ОБЗОР РАБОТ ПО РЕКОНСТРУКЦИИ ТРЕХМЕРНЫХ ОБЪЕКТОВ
5.2. ВЫБОР МЕТОДА РЕКОНСТРУКЦИИ ТРЕХМЕРНЫХ ОБЪЕКТОВ

области { (к,1) | -б <= к <= б, 1=0}, параметры х0,у0,А/ используются для вычисления автокорреляционной функции.
Радиус корреляции определяет ширину автокорреляционной функции вблизи ее максимума. Поэтому наличие шума на изображении искажает значение радиуса корреляции. Автокорреляционная функция белого шума имеет вид 8-функции, поэтому при большом уровне шума радиус корреляции уменьшается и на однородных областях изображения становится равным радиусу корреляции шума. Для устранения этого эффекта определение радиуса корреляции целесообразно изменить следующим образом
2Х(А,0) + С„(0,0)
,Уа,Ю = -****

На Рис. 1.8 показаны значения радиуса корреляции для фрагментов размером 15x15 пикселов; центры фрагментов расположены на регулярной сетке. Из анализа рисунков видно, что функция
1(х0,уо,М) = {Хо,УоМ является мерой информативности участков изображений.
1.4.2. АНАЛИЗ НАЛИЧИЯ СИГНАЛА НА ФРАГМЕНТЕ ИЗОБРАЖЕНИЯ.
На Рис.1.4в,г показаны примеры изображений, на которых много неинформативных участков. В данном разделе предлагается оригинальный метод, который позволяет быстро определять такие участки.
Метод основан на анализе статистических свойств шума по оптическому клину. Изображения на Рис.1.4,в,г были получены камерой ТК-350, этой же камерой было получено изображение клина (Рис.1.9). Клин представляет собой изображение с плавным изменением яркости. Метод анализа шума состоит в следующем.
1) Изображение клина, которое обозначим к(х,у) было разбито на М непересекающихся прямоугольных областей шириной N пикселов и длиной, равной длине клина. Для /-й области (i=1..N) были получены функции среднего значения Bid) и СКО яркости клина D,{d) вдоль области: