Автореферат (1095111), страница 3
Текст из файла (страница 3)
Аппроксимация контуров основных объектов на реальном исинтезированном изображениях многоугольниками.2. Сокращение количества точек в полученных многоугольниках. Достигаетсяза счет удаления из контуров точек, не являющихся угловыми.3. Установление взаимнооднозначного соответствия между точками контуров.Для этого в каждой точке M i ( xi , y i ) первого многоугольника вычисляются(значение критерия δ ij = δ M i , M jβ j = ∠M ′j −1 M ′j M ′j +1 :δ ij =)«похожести» углов α i = ∠M i −1M i M i +1 иa1 − k ⋅ b1a 2 − k ⋅ b21.cos α i − cos β j ++2a1 + b1a 2 + b2Здесь a1 = M i M i −1 ,a 2 = M i M i +1 ; b1 = M ′j M ′ j −1, b2 = M ′j M ′j +1.8 При фиксированном значении индекса i перебираются все точки M ′j второго{ }контура из списка M j n , в каждой из них вычисляется значение критерия δ ij , иj =1()находится индекс j 0 точки M j0 , для которой δ M i , M j = min δ ij , j = 1, n , т.е.j0 = arg min δ ij .
Найденная точка M j0 на втором контуре ставится в соответствиеj =1, nточке M i на первом контуре. Это соответствие можно будет считать взаимнооднозначным после прохождения всех точек первого контура при условии, что накаком-то шаге алгоритма точка M j0 не будут поставлена в соответствие еще однойточке первого контура.4. Совмещение изображений по линии горизонта. Устранение несовпадениясинтезированного и реального изображения по линии горизонта осуществляетсяпутем поворота одного изображения относительно другого. Угол, на который нужноповернуть одно из двух изображений, определяется как угол между прямыми,аппроксимирующими линии горизонта на реальном и синтезированномизображениях.
Линия горизонта на виртуальном изображении всегда выраженачетко. Её положение рассчитывается в рамках специального комплекса программ,обеспечивающего формирование изображения синтезированного по цифровой картеместности. На реальном изображении за линию горизонта принимается «линейный»массив пикселей максимальной длины в верхней части изображения не содержащийразрывов, за исключением одиночных разрывов не более чем в один пиксель.~Оценки угловых коэффициентов b, b1 уравнений прямых Γ: x = a + by ,~Γ1 : x = a1 + b1 y , аппроксимирующих линии горизонта соответственно на реальном исинтезированном изображениях можно найти стандартным методом наименьшихквадратов (МНК).5. Совмещение по найденной паре «ключевых» точек.
Осуществляется за счетсдвига одного изображения относительно другого в плоскости Oxy на смещение,определяемое как Δx = x M − x M ′ , Δy = y M − y M ′ .6. Корректировка по углу тангажа и высоте. Корректировка по углу тангажаθ заключается в следующем: на предыдущих стадиях выполнения алгоритмаметодомнаименьшихквадратовбылинайденыуравненияпрямых,аппроксимирующих линии горизонта на реальном и синтезированном изображениях.По коэффициентам a и a1 этих прямых определяется, какой знак имеет поправка куглу тангажа, а также расстояние между этими прямыми в пикселях. В рамкахитерационной процедуры производится уточнение истинного значения угла тангажа(критерием «уточнения» служит сокращение расстояния между линиями горизонта).Для этого задается некоторый шаг, с которым начинает изменяться угол тангажа.Для каждого значения этого угла и фиксированных значений остальных параметровгенерируется новое синтезированное изображение и производится сравнениерасстояний между прямыми, аппроксимирующими линии горизонта.
Выполнениепроцедуры прекращается, когда расстояние между прямыми становится меньше 9 некоторого заранее заданного порога (в рамках проводимых исследований – 2пикселя).Определение смещения Δh по высоте также носит итерационный характер.Выбирается некоторый шаг по данной координате и производится генерацияракурсов с различными значениями по высоте. Далее для каждой пары реального исинтезированного изображений рассчитывается некоторая мера близостиизображений (в проводимом исследовании выбрана парная критериальная функцияРао). В конечном итоге выбирается пара максимально близких по выбранномукритерию изображений.Применение алгоритма совмещения с применением единственной парыключевых точек позволяет сократить количество генерируемых виртуальныхизображений, используемых для совмещения, с 600-800, требуемых длякорреляционных методов, до 40-50.Автором предложен пошаговый алгоритм поиска матрицы гомографии,применяемый в случае наличия пар точек с ложным соответствием, либо пар, всоставе которых координаты одной точки определены недостаточно точно,заключающийся в следующем:1.
Находим матрицу гомографии по всему множеству пар ключевых точек ивыполняем совмещение изображений.2. Оцениваем качество совмещения изображений. Если совмещениенеудовлетворительное, то находим пару (пары) ключевых точек, расстояния междуобразами которых оказались наибольшими, и удаляем их из множества парключевых точек.3. Вновь находим матрицу гомографии по сокращенному множеству парключевых точек, выполняем совмещение изображений, оцениваем качествосовмещения и, при необходимости, удаляем некоторые пары ключевых точек и т.д.,пока не будет получено удовлетворительное совмещение изображений.Совмещение с помощью проективных преобразований традиционноосуществляется по 4 парам наиболее удачных ключевых точек.
Матрица гомографииH содержит восемь неизвестных элементов. Поэтому необходимо как минимум 4пары уравнений и, как следствие, 4 пары ключевых точек из множества k пар(k ≥ 4) ключевых точек. Система линейных алгебраических уравнений (СЛАУ),решение которой обеспечивает нахождение элементов матрицы H , имеетследующий вид:(1)AG H = B ,⎛Z Oгде A = ⎜⎜⎝O ZZ = (xi′W1 ⎞⎟ - основная матрица системы,W2 ⎟⎠yi′ 1) i = 1,4 , dim(Z) = 4 × 3, W1 = (− xi xi′W2 = (− yi xi′− xi yi′ ) i = 1,4 ,− yi yi′ ) i = 1,4 , O = (0 )4×3 , dim(W1 ) = 4 × 2 , dim(W2 ) = 4 × 2 ,G H = (h11 h12 h13 h21 h22 h23 h31 h32 )T – вектор-столбец подлежащихопределению элементов матрицы гомографии, 10 B = ( x1 x2 x3 x4 y1 y2 y3 y4 )T – вектор-столбец координат ключевыхточек первого изображения, записанных в указанном порядке.Поиск на множестве ключевых точек четырех наилучших осуществляется, какправило, с помощью алгоритма RANSAC.
Однако и он не всегда дает наилучшийнабор с точки зрения качества совмещения. Логичным представляется использоватьвсё множество ключевых точек. Как следствие, потребовалось изменить алгоритмпоиска матрицы гомографии так, чтобы он обеспечивал наименьшее уклонениекоординат образов точек одного изображения от соответствующих ключевых точекна другом изображении.В случае применения всех k пар ключевых точек, система (1) состоит из 2kуравнений.
Ее решение с помощью любого численного алгоритма, не обладающеговычислительной устойчивостью (метод Гаусса и др.), может приводить кошибочным результатам. Поэтому от СЛАУ вида (1) целесообразно перейти к( )нормальной СЛАУ следующего вида: AT A G H = AT B .⎛Z Z⎞⎞⎛OZ W1ZT B1⎜⎟⎟⎜TTT⎜ O⎟⋅G H = ⎜⎟Z ZZ W2Z B2⎜ T⎟⎟⎜ TTTTT⎜ W1 Z W2 Z W1 W1 + W2 W2 ⎟⎜ W1 B1 + W2 B 2 ⎟⎝⎠⎠⎝TT(2)H,Названныйпереходэквивалентенпоискупреобразованияминимизирующего сумму квадратов уклонений образов HX′ точек X′ отсоответствующих им точек X , т.е.:k ⎛ ( x − ( x ′ h + y ′ h + h − x x ′ h − x y ′ h ))2 + ⎞ii 11i 12i i 31i i 3213⎟ → min .(3)F (G H ) = ∑ ⎜⎜2⎟hiji =1⎝ + ( yi − (h21 xi′ + h22 y i′ + h23 − h31 y i xi′ + h32 yi yi′ )) ⎠С целью повышения качества получаемого контурного препарата предложенследующий алгоритм выделения значимых объектов:1.
Выделение границ на изображении с применением детектора границ Кенни.2. Однократное применение к полученному изображению морфологическойоперации «Низ шляпы», соответствующей вычитанию из исходного изображениярезультатов его открытия.3. Сложение результата шагов 1 и 2.4. Однократная эрозия результата шага 3.5. Вычитание из результата шага 1 результата двух- или трехпроходнойдилатации результата, полученного на 4 шаге.Существенно повысить качество получаемых результатов возможно, еслипроизвести обработку исходного изображения медианный фильтром с окном размера5×5, 7×7 или 9×9 пикселей.
Размер фильтра выбирается в зависимости от характерасцены. Решение об увеличении размера медианного фильтра принимается, исходя изколичества граничных пикселей, остающихся на результирующем изображениипосле применения описанного алгоритма. В экспериментальных исследованияхнатурных видеосъемок местности установлено, что оптимальным являетсяколичество пикселей границ N ∈ [500, 2500]. При большем значении N с высокойдолей уверенности можно утверждать, что на изображении остались 11 малоинформативные объекты. При N<500 количество элементов, оставшихся наизображении часто недостаточно для дальнейшей обработки. На рисунке 2приведены результаты практического применения предлагаемых подходов.абва – исходное ч/б ТВ изображение; б – границы, выделенные детектором Кенни;в – итоговый результат в случае применения медианного фильтраРисунок 2 – Изображения на разных стадиях технологической цепочкиВ третьей главе «Алгоритмы оценки качества совмещения изображений»сформулирована задача по оценке качества совмещения изображений,сформулированы требования, которым должна удовлетворять получаемая оценка.Предложены алгоритмы, позволяющие в автоматическом режиме определятьпоказатели качества получаемого совмещения.Предложен алгоритм оценки качества совмещения, основанный наопределении межпиксельного расстояния между точками различных контуров:1.
Изображение разбивается на квадратные блоки определенного размера,например, 100х100 пикселей. Это дает возможность получать не толькоинтегральную оценку качества совмещения, но и локальные оценки в окрестностилюбой точки контура.2. В каждой клетке для всех информативных (отличных от цвета фона) точекодного из изображений ищутся информативные точки другого изображения,лежащие в некоторой окрестности размером (2k+1)×(2k+1) с центром вобрабатываемой информативной точке.
Этот прием имитирует утолщениеконтурных линий.3. В каждой клетке определяется отношение количества mi(k ) точек,охватываемых окрестностью U к общему числу M (k ) информативных пикселей вkданнойклетке.m (k )Показательiкачествасовмещения− γ 1− kопределяетсякак:.i⋅eM i(k )На рисунке 3 приведены два фрагмента удачно (рисунок 3а, α=0,898) и плохо(рисунок 3б, α=0,167) совмещенных контуров островов одновременно с локальнымиоценками качества совмещения в каждой клетке.В ходе сравнения результатов работы данного алгоритма с визуальнымиоценками качества совмещения установлено, что при значении интегральногоαk = ∑i 12 показателя качества α ≥ 0,75 совмещение можно считать удачным и пригодным длядальнейшей визуализации.абРисунок 3 – Пример удачного (а) и неудачного (б) совмещения и получаемыепри этом оценки качества совмещенияТакже предложен другой алгоритм оценки качества совмещения,основанный на определении расстояний и углов наклона между парами отрезков.Пары образуются отрезками, находящимися в составе линий контуров объектов,полученных на изображениях, с длиной превышающей или равной некоторомупороговому значению Δ .
Отрезки с длиной менее Δ исключаются из рассмотрениякак малоинформативные.Для повышения достоверности оценки совмещения каждому отрезку всоставе линии на виртуальном изображении (построенному по виртуальной моделиместности) следует сопоставить отрезки, расположенные на реальном изображении внекоторой окрестности D. Окрестность D рассчитывается с учетом координатвершин отрезка на виртуальной модели местности и навигационных данных, а такжепогрешностей их измерения. Алгоритм состоит в следующем:1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
