Диссертация (1095112), страница 14

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

Отслеживание движения:- вычитание изображений;- вычисление векторов перемещений.Алгоритм вычисления векторов перемещений следующий:1) поиск характерных точек на изображениях f(A,B) и изображении A или B(угловых точек, точек изгибов контуров и т.д.);2) расчет множества векторов V={vj} смещения данных точек наизображениях;961 V3) расчет оценки K  vj .V j 1Достоинства:- вычитание изображений имеет малую временную сложность;- относительная простота программной и аппаратной реализаций инебольшая временная сложность.Недостатки:- вычитание изображений требует корректную раскраску виртуальногоизображения;- для большинства алгоритмов требуются существенные затраты памяти(даже больше, чем для алгоритмов анализа форм объектов).Врезультатеможновыделитьследующиеосновныенедостаткирассмотренных подходов:1) чрезмерная простота – ведет к примитивности выполняемого оцениваниярешения достаточно сложной задачи и к отсутствию полноты оценки качествасовмещения;2) сложность подходов – ведет к отсутствию интуитивного пониманиясмысла сравнения, что приводит к усложнению алгоритмов в случае, когдаалгоритм сравнения дает некорректную (в контексте конкретного исследования)оценку на ограниченном наборе данных;3) большая временная сложность большинства подходов;4) частичное либо полное игнорирование семантики – предложены подходылишь на самом низком уровне, не учитывающие семантическую составляющую.Однако именно семантическая составляющая сцены должна учитываться впервую очередь.Основные выводы:1) сопоставление цветовых характеристик изображений – неприменимо из-занеобходимости разработки правильной палитры «раскрашивания» виртуальноймодели при отрисовке, а также из-за необходимости учета при этом характераосвещения, погодных условий и прочих факторов.972) анализ форм объектов – ограниченно применим, поскольку, с однойстороны, анализ может использовать информацию о контурах, уже полученнуюна этапе совмещения, но, с другой стороны, анализ совершенно не учитываетспектральную составляющую сцены (озеро может быть идентифицировано каклесной массив и т.п.).3) анализ текстур – ограниченно применим, поскольку с одной стороныпозволяет компактно и в одинаковом семантическом масштабе учесть какспектральные характеристики сцены, так и ее структуру, но, с другой стороны,требует настройки большого числа параметров, ключевым из которых являетсяразмер окна анализа.

Основной проблемой данного способа является еголокальность.4) отслеживание движения – неприменимо из-за необходимости разработкиправильной палитры «раскрашивания» виртуальной модели при отрисовке, атакже из-за необходимости учета при этом характера освещения, погодныхусловий и прочих факторов.В результате можно сделать вывод, что дальнейшие исследования иразработку алгоритмов оценки качества совмещения следует вести на базеалгоритмов, основанных на анализе форм объектов.3.3Алгоритмысравненияплощадейпересекающихсяконтуровпротяженных объектовОшибки в определении координат воздушного судна в пространстве иошибки цифровой карты местности (ЦКМ) не позволяют совместить абсолютноточно контуры объектов (ВПП, водоемы, дороги и т.д.) на реальном и насинтезированномизображениях.Кошибкампозиционированиямогутдобавляться еще и геометрические искажения контуров объектов, привносимые вобработанные изображения на этапах выделения границ перепада яркостей иформирования замкнутых контуров.

Гладким контурам береговой линии водоемана синтезированном изображении могут отвечать линии с большей степеньюизменчивости (колебания) на обработанном реальном ТВ-изображении [54].98Пример таких изображений – синтезированного и реального (предварительнообработанногонекоторымоператором,обеспечившимвыделениеграницперепада яркости и удаление малоинформативных линий), приведен на рисунке2.24.

Основными объектами на этих изображениях являются контуры линиигоризонта и реки.Рассмотрим условный пример. На рисунке 3.1 сплошной линией изображеныконтуры линии горизонта Г и границ D1 и D2 областей D1 (ВПП) и D2 (дорога).Множество D1 замкнутое (содержит точки границы), а D2 – открытое (частьграницыотсутствует).«синтезированного»Пунктирнойизображения,линиейсовмещенногоизображенысконтурысинтезированным.Соответствующие объекты имеют те же обозначения, но со штрихом:, D1 , D1 , D2 , D2 .YOM4M3M1M2XРисунок 3.1– Условный пример совмещения реальногои синтезированного изображенийПредлагается оценивать качество совмещения линии горизонта с двухпозиций.

Во-первых, есть ли систематическое смещение (рисунок 3.2а) по однойиз координат на плоскости и недосовмещение по углу (рисунок 3.2б)99ГГГ’Г’аРисунок 3.2б– Иллюстрация недосовмещения линии горизонтаВо-вторых, если нет систематических смещений, то можно оценить качествосовмещения с помощью следующих показателей:а) максимального уклонения max  max xi  xi ,(3.1)i 1,nгде n – число пикселей в изображении линии горизонта или некоторой еечасти;б) среднего уклонения1 n xi  xi .n i 1(3.2)Для обнаружения системного недосовмещения линий  и  горизонта~~можно найти методом наименьших квадратов уравнения прямых  и  ,~: x  a  by ,~: x  a1  b1 y ,(3.3)аппроксимирующих линии  и  .Затем найти угол α (косинус угла α)между нимиcos  1  b  b11 b 21  b12.(3.4)Если cos  1   , где, например, ɛ=0,0002 для угла  1 , то по углусовмещение признается удовлетворительным.

Если при этом   d , где d –заданная величина, например, 2 пикселя, то выносится решение об отсутствиисистемного смещения по оси Ox.100В противном случае констатируется наличие недосовмещения по углу( cos   1   ), либо недосовмещение на величину  по оси Ox.Для замкнутых областей D1 и D1 , D2 и D2 (рисунок 3.1) можно ввестипоказатели качества совмещения 1 и 1 – отношение площади пересечениязамкнутых совмещаемых областей Di  Di к площади соответственно первой ивторой областей:1 SDi  DiSDi 100% ,1 SDi  DiSDi 100% , i  1,2(3.5)и  2 – показатель степени недосовмещения:2 SDi  Di2SDi 100 %.(3.6)Здесь Di  Di  Di \ Di   Di \ Di  – симметрическая разность множеств.Очевидно,  2 11  1 .2В случае открытой области D2 целесообразно сначала осуществить еезамыкание.

Для этого соединяются отрезками точки M1 и M2 (M3 и M4) (рисунок~3.1). Для полученной замкнутой области D 2 вычисляются показатели качествасовмещения (3.5) и (3.6).Выбор однотипных замкнутых контуров на реальном и виртуальномизображениях является сложной самостоятельной задачей. Автоматизацияпроцесса решения этой задачи в общем случае потребует разработки алгоритмов,обладающих широким спектром свойств. Число и структура различных линий –замкнутых и незамкнутых – на реальном и виртуальном изображениях могутсущественно отличаться.

Успешному решению этой задачи может помочь тообстоятельство, что на цифровой карте местности выделяются в первую очередьобъекты постоянного присутствия – водная и дорожная сети, мосты, некоторыездания и сооружения. Соответственно и на предварительно обработанном101реальном изображении должны присутствовать в основном контуры только этихобъектов [54].3.4 Алгоритм оценки качества совмещения на основе межпиксельногорасстоянияСовмещение даже однородных изображений, но отличающихся временнымсдвигом, невозможно осуществить идеально (пиксель в пиксель).

Если жепроизводитсясовмещениеразнородныхизображений,тоихидеальноесовмещение невозможно в принципе из-за того, что на реальном изображениимогут присутствовать контуры объектов, которых нет на цифровой картеместности (деревья, локальные изменения береговой линии и т.д.). Поэтому дажепри хорошем (на визуальном уровне) совмещении контуров число совпавшихпикселей двух изображений может быть относительно небольшим.

Один изизвестных способов получения более адекватных оценок заключается вприменении специальной процедуры утолщении тонких линий контуров. Однакодобитьсяаналогичногорезультатаможноиначе,выполниввычисления,имитирующие утолщение линий контуров.Для оценки качества совмещения изображений, представленных контурамиосновныхобъектов,предлагаетсяалгоритм оценкикачества наосновемежпиксельного расстояния.Основная идея предлагаемого алгоритма заключается в следующем.Изображение разбивается на квадратные блоки размера N×N, например – 100×100пикселей. Это дает возможность получать не только интегральную оценкукачества совмещения, но и локальные оценки в каждом из блоков.

В каждойклетке для всех информативных (отличных от цвета фона) точек одного изизображений ищутся информативные точки другого изображения, лежащие внекоторойокрестностиразмеромk kсцентромвобрабатываемойинформативной точке. Этот прием имитирует утолщение контурных линий.Иллюстрация поиска в некоторой окрестности информативного пикселяприведена на рисунке 3.3.102kРисунок 3.3 – Поиск в окрестности информативного пикселяДля каждого типа изображений подбирается свое оптимальное значениепараметра k . Для этого значение k меняется от 1 до (N/4) с шагом 1. В каждойклеткеопределяетсяотношениеколичестваmik точек,охватываемыхокрестностью Uk к общему числу M ik  информативных пикселей в данной клетке.Для каждого значения параметра k вычисляется показатель качества совмещенияпо следующей формуле:k  imik    1 k.eM ik (3.7)В этой формуле γ – настраиваемый параметр.

Характеристики

Список файлов диссертации