Итерационный алгоритм совмещения контуров с неравномерным шагом дискретизации
Автор: Диязитдинов Ринат Радмирович
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 1 т.47, 2023 года.
Бесплатный доступ
В статье представлен итерационный алгоритм для совмещения контуров. В рассматриваемой задаче совмещаемые контуры имеют одинаковую форму, но шаг дискретизации является неравномерным и между точками контуров нет соответствия. По этой причине применение методов, связывающих между собой определенные точки контуров через уравнения, невозможно. В работе представлен алгоритм, который проводит раздельную оценку параметров: смещений вдоль осей координат и угла поворота для таких контуров. Идея алгоритма заключается в итерационном уточнении параметров. Оценка параметров смещения используется для расчета угла поворота, и оценка угла поворота используется для расчета смещения. Алгоритм характеризуется более высокой скоростью обработки, чем алгоритм полного перебора, и меньшей погрешностью совмещения по сравнению с алгоритмами, основанными на вычислении макропараметров контура.
Совмещение, итерационный, пространственно-временной, контур
Короткий адрес: https://sciup.org/140296247
IDR: 140296247 | DOI: 10.18287/2412-6179-CO-1123
Список литературы Итерационный алгоритм совмещения контуров с неравномерным шагом дискретизации
- Soifer VA, ed. Methods for computer image processing [In Russian]. Moskow: "Fizmatlit" Publisher; 2003.
- Sungatullina DI, Krilov AV. Fast algorithm for image contour superposition linking isotropic affine transformation [In Russian]. GRAFIKON 2014; 92-95.
- Efimov AI. Developing and researching image superposition algorithm for video sensors with a virtual terrain model [In Russian]. Ryazan: "Ryazan State Radio Engineering University" Publisher; 2016.
- Efimov AI, Novikov AI. An algorithm for multistage projective transformation adjustment for image superimposition [In Russian]. Computer Optics 2016; 40(2): 258265. DOI: 10.18287/2412-6179-2016-40-2-258-265.
- Vasin NN, Diyazitdinov RR. Processing of triangulation scanner data for measurements of rail profiles [In Russian]. Computer Optics 2018; 42(6): 1054-1061. DOI: 10.18287/2412-6179-2018-42-6-1054-1061.
- Diyazitdinov RR. Video signal recovery in measuring systems with optical triangulation sensors [In Russian]. Infocommunication Technologies 2019; 17(3): 324-331. DOI: 10.18469/ikt.2019.17.3.09.
- DIN EN 13674-1-2011. Railway applications - Track -Rail - Part 1 : Vignole railway rails 46 kg/m and above; German version EN 13674-1:2011.
- Diyazitdinov R. Iterative algorithm of optical triangulation sensors signals superposition for measuring solid deformation. CEUR Workshop Proceedings 2020; 2665: 93-99.
- Wang W, Jiang Y, Xiong B, Zhao L. Contour matching using the affine-invariant support point set. IET Computer Vision 2014; 8: 35-44. DOI: 10.1049/iet-cvi.2013.0031.
- Efimov AI, Novikov AI. Software and algorithmic system for image superposition in aircraft vision systems [In Russian]. The III Int Conf on Information Technology and Nanotechnology (ITNT-2017) 2017: 400-409.
- Furman YaA, Kreversky AV, Peredreyev AK, Rozentsov AA, Hafizov RG, Yegoshina IL, Leukhin AN. Contour analysis and its image and signal processing application [In Russian]. Moscow: "Fizmatlit" Publisher; 2003. ISBN: 5-9221-0374-1.
- Makarov MA. Contour analisys in the problems of description and classification of objects [In Russian]. Modern Problems of Science and Education. Surgery 2014; 3: 38-38.
- Ellis T, Abbood A, Brillault B. Ellipse detection and matching with uncertainty. Image Vis Comput 1992; 10(5): 271-276. DOI: 10.1016/0262-8856(92)90041-Z.
- Fitzgibbon A, Fisher R. A bayer's guide to conic fitting. Proc 6th British Conf on Machine Vision 1995; 2: 513522.
- Gander W, Golub GH, Strebel R. Least-square fitting of circles and ellipses. BIT Numer Math 1994; 34(4): 558578. DOI: 10.1007/BF01934268.
- Bookstein FL. Fitting conic sections to scattered data. Comput Graph Image Process 1979; 9(1): 56-71. DOI: 10.1016/0146-664X(79)90082-0.
- Linnik YuV. Least Squares method and base of mathematical and statistical theory of data processing [In Russian]. Moscow: "Fizmatgiz" Publisher; 1958.
- Baklitckiy VK. The method of signal filtering in correlation-extreme navigation systems [In Russian]. Tver: "Knigniy klub" Publisher; 2009.
- Myasnikov EV. Determination of parameters of geometric transformation to combine portrait images. Computer Optics 2007; 31(3): 77-82.
- Reddy B, Chatterji B. An FFT-based technique for translation, rotation, and scale-invariant image registration. IEEE Trans Image Process 1996; 5(8): 1266-1271. DOI: 10.1109/83.506761.
- Alba A, Aguilar-Ponce R, Vigueras-Gomez J, Arce-Santana E. Phase correlation based image alignment with subpixel accuracy. In Book: Batyrshin I, Mendoza MG, eds. Advances in artificial intelligence. 11th Mexican Int Conf on Artificial Intelligence (MICAI 2012), Part 1 2012: 171-182. DOI: 10.1007/978-3-642-37807-2_15.
- Evangelidis G, Psarakis E. Parametric image alignment using enhanced correlation coefficient maximization. IEEE Trans Pattern Anal Mach Intell 2008; 30(10): 18581865. DOI: 10.1109/TPAMI.2008.113.
- Kuzmin SV. Scale-invariant delay estimation between two one-dimensional digital signals [In Russian]. Info-communication Technologies 2011; 9(2): 7-10.
- Catalog optoNCDT laser sensors (Laser displacement sensors - triangulation). Source: (https://www.micro-epsilon.ru/download/products/cat--optoNCDT--en.pdf).
