Просмотр исходного текста страницы Сравнение изображений и задача стереоотождествления

Одна из основных задач машинного зрения, которую необходимо решить для
создания алгоритмов обнаружения трехмерных структур по изображениям -  это
задача поиска соответствующих точек на изображениях сцены, полученных с
различных ракурсов. Данная задача носит название задачи стереоотождествления
(correspondence problem), а различные алгоритмы ее решения называются
алгоритмами стереоотождествления (matching procedures).

На примере задачи стереоотождествления мы рассмотрим в данном разделе
различные техники сравнения изображений. При этом мы будем периодически
напоминать о том, что задача сравнения изображений, вообще говоря, имеет
гораздо более широкую сферу приложения -  от обнаружения объектов до
распознавания образов.

Решение задачи стереоотождествления и получение значений диспаратности для
любых точек изображения позволяет после вычисления параметров ориентирования
получить функцию дальности до видимого рельефа наблюдаемой сцены. Априорные
знания о трехмерной форме объектов, составляющих видимый рельеф (ЦМР), дают
возможность в ряде случаев применить для обнаружения объектов заданной формы
те же методы обнаружения, что и для изображения. Например, корреляционные
методы, методы основанные на морфологии Серра, метод нормализации фона
применялись для обнаружения пятен известного размера и формы (3D-blobs) по
ЦМР в задачах выделения антропогенных объектов на авиационно-космических
изображениях (Ascona, $2001$), а также в задачах обнаружения замаскированных
объектов военной техники.

Несмотря на многочисленные попытки создания универсальных методов поиска
соответствующих точек на стереопаре, эта задача до конца не решена ввиду ее
сложности, соответствующей сложности общей задачи понимания изображений.
Первые эксперименты в этой области относятся к $1950$ - $1960$-м гг. 
Основная идея автоматического стереотождествления состояла в том, что в
предположении, что достаточно малые соответствующие участки стереопары
подобны, можно преобразовать фотоизображение в электрические сигналы и
анализировать эти сигналы для ряда точек, равномерно расположенных в пределах
этих участков. С появлением цифровых изображений и разработкой методов их
обработки и распознавания образов эти исследования получили дальнейшее
развитие.

Из-за отсутствия общепринятой терминологии в данной работе будут
употребляться следующие термины.

Под $\textit{образом}$ на снимке понимается отдельная область снимка в совокупности с
информацией, которая может быть получена из этой области, причем размеры и
конфигурация образа могут быть самыми различными.

$\textit{Мера близости образов}$ -  количественная характеристика соответствия образов. Мерой близости
может быть максимум или минимум некоторого критерия, например, максимум
корреляционной функции или минимум суммы квадратов расхождений элементов,
составляющих образы.

$\textit{Метод стереоотождествления }$выполняет измерение функции меры близости образов и выбор образов,
соответствующих друг другу. Названия методам обычно даются по типу
отождествляемых образов, например площадное, признаковое, символьное
стереоотождествление.

Во многих методах стереоотождествления один из образов фиксируется, а
соответствующий образ ищется (обнаруживается) на другом изображении с
помощью выбранного метода стереоотождествления. Неподвижный образ будем
называть $\textit{эталоном.}$

$\textit{Стратегия стереоотождествления}$ определяет общую схему решения задачи автоматического стереоотождествления.
Наиболее распространенные стратегии -  иерархическое отождествление и
стратегия с применением нейронных сетей. В 1 показано, как
соотносятся введенные понятия.

<center>

Методы стереоотождествления

{|border="1"
|Метод
отождествления
|Мера близости образов
|Образы
|-
|Площадное
отождествление
|Корреляционная функция, сумма
квадратов  расхождений яркости
|Участки  исходного
изображения
|-
|Признаковое
отождествление
|Целевая функция
|Края и их  атрибуты
|-
|Символьное
отождествление
|Целевая функция
|Символьное  описание
|}

</center>

В публикациях по данной теме исследуются разнообразные подходы к
стереоотождествлению. Наиболее известные среди площадных методов следующие:

$\textit{Нормализованная корреляция}$. Этот метод является наиболее простым и был разработан в числе первых. В
работе [275] описана одна из первых систем автоматического
стереотождествления на основе вычисления нормализованной корреляционной
функции двух образов, которая дает удовлетворительные результаты для
изображений несложных сцен. В дальнейшем в корреляционную схему вводились
усовершенствования, например, адаптивное окно корреляции и коррекция
геометрических искажений при изменении ракурса.

$\textit{Отождествление методом наименьших квадратов}$. Здесь в качестве меры близости образов используется сумма квадратов
расхождений яркости. Особенности данного метода в следующем:


# итеративная процедура;
# предположение о кусочно-постоянной поверхности объектов в небольших окрестностях;
# адаптивное устранение геометрических и яркостных искажений образов;
# субпиксельное отождествление с оценкой точности;
# необходимость начального приближения.

В работах этот метод получил дальнейшее развитие на случай
использования более двух изображений.

Среди признаковых методов отождествления наиболее известны следующие: метод
на основе динамического программирования метод на основе релаксации;
метод на основе робастного оценивания; метод на основе
отождествления графов .

==Полезные ссылки==

#[[#top| &#9757; К началу ]]
#[[Сравнение и привязка изображений. Стереоотождествление|&#9756; Сравнение и привязка изображений. Стереоотождествление]]