Усовершенствование методики проективного совмещения изображений
Автор: Диязитдинова А.А.
Журнал: Инфокоммуникационные технологии @ikt-psuti
Рубрика: Технологии радиосвязи, радиовещания и телевидения
Статья в выпуске: 4 т.20, 2022 года.
Бесплатный доступ
В статье представлена усовершенствованная методика проективного совмещения изображений. Исходная методика включает два этапа: предварительное сопоставление особых точек и выбор точек, удовлетворяющих геометрическим ограничениям. Усовершенствование заключается во введении еще одного этапа, на котором среди особых точек выбираются только те, которые соответствуют уникальным фрагментам изображений. Точки, соответствующие похожим фрагментам удаляются с изображения, так как они определяют большое количество потенциально неверных гипотез, проверка которых увеличивает общее время обработки. Это усовершенствование позволяет уменьшить время совмещения - одну из основных характеристик разрабатываемой методики. Усовершенствованная методика была проверена на снимках, снятых беспилотным летательным аппаратом. Проведенный эксперимент показал значительное уменьшение времени обработки изображений.
Проективный, совмещение, изображение, особые точки, геометрические ограничения, предварительное сопоставление, уникальные фрагменты
Короткий адрес: https://sciup.org/140302044
IDR: 140302044 | DOI: 10.18469/ikt.2022.20.4.12
Список литературы Усовершенствование методики проективного совмещения изображений
- Lowe D.G. Object recognition from local scale-invariant features // Proceedings of the International Conference on Computer Vision. 1999. P. 1150–1157.
- Ke Y., Sukthankar R. PCA-SIFT: A more distinctive representation for local image descriptors // Computer Vision and Pattern Recognition. 2004. № 2. P. 506–513.
- Bay, H. SURF: Speeded Up Robust Features / H. Bay, T. Tuytelaars, L.V. Gool // Proceedings of the ninth European Conference on Computer Vision. 2006. P. 404–417.
- Ефимов А.И., Новиков А.И. Алгоритм поэтапного уточнения проективного преобразования для совмещения изображений // Компьютерная оптика. 2016. Т. 40, № 2. С. 258–265. DOI: 10.18287/2412-6179-2016-40-2-258-265.
- Новиков А.И. Модели и методы совмещения 2D и 3D изображений в системах технического зрения авиационного применения: дис. … докт. техн. наук. Рязань, 2018. 332 с.
- Волегов Д.Б., Юрин Д.В. Грубое совмещение изображений по найденным на них прямым линиям // International Conference Graphicon 2006.Novosibirsk: Akademgorodok, 2006. С. 463–466.
- Гошин Е.В., Котов А.П., Фурсов В.А. Двухэтапное формирование пространственного преобразования для совмещения изображений // Компьютерная оптика. 2014. № 38(4). С. 886–891.
- Диязитдинова А.А. Проективное совмещение телевизионных сигналов методом RANSAC для промышленных систем технического зрения // Инфокоммуникационные технологии. 2020. Т. 18, № 4. С. 443–449.
- Диязитдинова А.А. Повышение помехоустойчивости при оценке параметров проективного совмещения телевизионных сигналов // Физика волновых процессов и радиотехнические системы. 2021. Т. 24, № 1. С. 58–66.
- Lindeberg T. Image matching using generalized scale-space interest points // Journal of Mathematical Imaging and Vision. 2015. Vol. 52, no. 1. P. 3–36.
- Harris S., Stephens M. A combined corner and edge detector // Proceedings of the 4th Alvey Vision Conference. 1988, no. 1. P. 147–151.
- Shi J., Tomasi C. Good features to track // IEEE Conference on Computer Vision and Pattern Recognition (CVPR’94). Seattle, 1994. P. 593–600.
- Мясников Е.В. Определение параметров геометрических трансформаций для совмещения портретных изображений // Компьютерная оптика. 2007. Т. 31, № 3. С. 77–82.
- Wolberg G., Zokai S. Robust image registration using log-polar transform // Processing of IEEE International Conference on Image Processing. 2000. Vol. 1. P. 493–496. DOI: 10.1109/ICIP.2000.901003
- Kuglin C.D., Hines D.C. The phase correlation image alignment method // Processing International Conference on Cybernetics and Society. 1975. Р. 163–165.
- Alliney S., Morandi C. Digital image registration using Projections // IEEE Transactions Pattern Analysis and Machine Intelligence. PAMI-8. 1986, no. 2. P. 222–233.
- De Castro E., Morandi C. Registration of translated and rotated images using finite fourier transforms // IEEE Transactions Pattern Analysis and Machine Intelligence. 1987, no. 3. P. 700–703.
- Reddy B.S., Chatterji B.N. An fft-based technique for translation, rotation, and scale-invariant image registration // IEEE Transactions Pattern Analysis and Machine Intelligence. 1996, no. 5(8). P. 1266–1270.
