The 15 reference contexts in paper V. Kozlov L., В. Козлов Л. (2018) “МЕТОДИКИ ПОВЫШЕНИЯ ТОЧНОСТИ ИЗМЕРЕНИЯ РАССТОЯНИЙ НА ОСНОВЕ КОРРЕЛЯЦИОННОГО АНАЛИЗА СТЕРЕОИЗОБРАЖЕНИЯ // METHODS OF DISTANCE MEASUREMENT’S ACCURACY INCREASING BASED ON THE CORRELATION ANALYSIS OF STEREO IMAGES” / spz:neicon:pimi:y:2018:i:1:p:48-55

  1. Start
    6877
    Prefix
    решения задачи повышения точности восстановления трехмерной картины пространства по двумерным цифровым изображениям необходимо использовать новые эффективные методики и алгоритмы обработки и корреляционного анализа цифровых изображений. Значительный прогресс в этой области обусловлен, во-первых, развитием методов проективной геометрии применительно к области компьютерного зрения
    Exact
    [1]
    Suffix
    и, во-вторых, перспективными достижениями в области детектирования характеристических точек на изображениях и их сопоставлением между изображениями [2], что обусловлено разработкой теории теорий цветовых [3] и дифференциальных [4] инвариантов и созданием дескрипторов характеристических точек [2].
    (check this in PDF content)

  2. Start
    7034
    Prefix
    Значительный прогресс в этой области обусловлен, во-первых, развитием методов проективной геометрии применительно к области компьютерного зрения [1] и, во-вторых, перспективными достижениями в области детектирования характеристических точек на изображениях и их сопоставлением между изображениями
    Exact
    [2]
    Suffix
    , что обусловлено разработкой теории теорий цветовых [3] и дифференциальных [4] инвариантов и созданием дескрипторов характеристических точек [2]. Задача реконструкции трехмерных сцен по стереоизображениям с учетом эпиполярных ограничений решается в работе [5].
    (check this in PDF content)

  3. Start
    7093
    Prefix
    Значительный прогресс в этой области обусловлен, во-первых, развитием методов проективной геометрии применительно к области компьютерного зрения [1] и, во-вторых, перспективными достижениями в области детектирования характеристических точек на изображениях и их сопоставлением между изображениями [2], что обусловлено разработкой теории теорий цветовых
    Exact
    [3]
    Suffix
    и дифференциальных [4] инвариантов и созданием дескрипторов характеристических точек [2]. Задача реконструкции трехмерных сцен по стереоизображениям с учетом эпиполярных ограничений решается в работе [5].
    (check this in PDF content)

  4. Start
    7119
    Prefix
    Значительный прогресс в этой области обусловлен, во-первых, развитием методов проективной геометрии применительно к области компьютерного зрения [1] и, во-вторых, перспективными достижениями в области детектирования характеристических точек на изображениях и их сопоставлением между изображениями [2], что обусловлено разработкой теории теорий цветовых [3] и дифференциальных
    Exact
    [4]
    Suffix
    инвариантов и созданием дескрипторов характеристических точек [2]. Задача реконструкции трехмерных сцен по стереоизображениям с учетом эпиполярных ограничений решается в работе [5]. Предложенная модель сопоставления изображений позволяет избежать процедуры ректификации, вносящей дополнительные динамические искажения, что обеспечивает возможность поиска соответствующих точе
    (check this in PDF content)

  5. Start
    7185
    Prefix
    , развитием методов проективной геометрии применительно к области компьютерного зрения [1] и, во-вторых, перспективными достижениями в области детектирования характеристических точек на изображениях и их сопоставлением между изображениями [2], что обусловлено разработкой теории теорий цветовых [3] и дифференциальных [4] инвариантов и созданием дескрипторов характеристических точек
    Exact
    [2]
    Suffix
    . Задача реконструкции трехмерных сцен по стереоизображениям с учетом эпиполярных ограничений решается в работе [5]. Предложенная модель сопоставления изображений позволяет избежать процедуры ректификации, вносящей дополнительные динамические искажения, что обеспечивает возможность поиска соответствующих точек непосредственно на исходных стереоизображениях.
    (check this in PDF content)

  6. Start
    7308
    Prefix
    достижениями в области детектирования характеристических точек на изображениях и их сопоставлением между изображениями [2], что обусловлено разработкой теории теорий цветовых [3] и дифференциальных [4] инвариантов и созданием дескрипторов характеристических точек [2]. Задача реконструкции трехмерных сцен по стереоизображениям с учетом эпиполярных ограничений решается в работе
    Exact
    [5]
    Suffix
    . Предложенная модель сопоставления изображений позволяет избежать процедуры ректификации, вносящей дополнительные динамические искажения, что обеспечивает возможность поиска соответствующих точек непосредственно на исходных стереоизображениях.
    (check this in PDF content)

  7. Start
    7722
    Prefix
    модель сопоставления изображений позволяет избежать процедуры ректификации, вносящей дополнительные динамические искажения, что обеспечивает возможность поиска соответствующих точек непосредственно на исходных стереоизображениях. Сравнительный анализ эффективности алгоритмов стереозрения в рамках решения задачи восстановления трехмерной картины объекта исследования представлен в
    Exact
    [6]
    Suffix
    . В качестве критериев количественной оценки работы алгоритмов предложена мера расхождения восстановленной карты дальности и эталонной карты дальности, полученной с использованием камеры со структурированной инфракрасной подсветкой.
    (check this in PDF content)

  8. Start
    8703
    Prefix
    подходы, основанные на минимизации локальных критериев, такие как методы обработки карт глубины, использующие данные о цвете и движении из исходной видеопоследовательности для повышения стабильности карт глубины по времени и исправления ошибок построения. Фильтрация производится с учетом сходства пикселей исходного видео по яркости (цвету) и их пространственной близости
    Exact
    [7]
    Suffix
    . В работе [8] предложен скоростной метод вычисления карты глубины (изображения, каждый пиксель которого содержит информацию о расстоянии до стереокамеры) для реализации на графическом процессоре. Данное решение базируется на использовании нескольких скользящих окон адаптивной структуры с пред- и постобработкой входных и выходных изображений.
    (check this in PDF content)

  9. Start
    8717
    Prefix
    , основанные на минимизации локальных критериев, такие как методы обработки карт глубины, использующие данные о цвете и движении из исходной видеопоследовательности для повышения стабильности карт глубины по времени и исправления ошибок построения. Фильтрация производится с учетом сходства пикселей исходного видео по яркости (цвету) и их пространственной близости [7]. В работе
    Exact
    [8]
    Suffix
    предложен скоростной метод вычисления карты глубины (изображения, каждый пиксель которого содержит информацию о расстоянии до стереокамеры) для реализации на графическом процессоре. Данное решение базируется на использовании нескольких скользящих окон адаптивной структуры с пред- и постобработкой входных и выходных изображений.
    (check this in PDF content)

  10. Start
    11625
    Prefix
    Нормированная сумма квадратов разностей (NSSD) – вычисляется в соответствии с выражением: (3) 4. Сумма модуля разностей (SAD) – аналог SSD, часто используется для снижения вычислительных затрат и определяется выражением: (4) 5. Метод, предложенный в работе
    Exact
    [9]
    Suffix
    , использующий локальное непараметрическое преобразование изображения перед поиском соответствия (RANK-преобразование). Сущность RANK-преобразования заключается в подсчете количества пикселей в окрестности текущего, интенсивность которых меньше, чем интенсивность текущего (центрального) пикселя.
    (check this in PDF content)

  11. Start
    13559
    Prefix
    Интенсивности итоговой карты яркости получаются усреднением суммы значений каналов: (7) где I – массив интенсивностей, поступающий на вход алгоритма поиска стереосоответствия; R, G, B – массивы, содержащие интенсивности красного, зеленого и голубого каналов исходного изображения соответственно. Модель YCbCr широко используется в алгоритмах сжатия изображений и видео
    Exact
    [10]
    Suffix
    . Канал Y этой модели несет информацию о яркости объектов на изображении, а каналы Cb и Cr – о распределении цвета. Использование Y-канала модели YCbCr позволяет начинать обработку алгоритмом поиска стереосоответствия еще до полной расшифровки изображения или кадра видеопотока.
    (check this in PDF content)

  12. Start
    13937
    Prefix
    Использование Y-канала модели YCbCr позволяет начинать обработку алгоритмом поиска стереосоответствия еще до полной расшифровки изображения или кадра видеопотока. Получение Y-канала пространства YCbCr из RGBизображения производится по формуле
    Exact
    [11]
    Suffix
    : (8) Стандарт sRGB применяется в большинстве современных мониторов. Использование данного стандарта позволяет получить карту яркостей такой, какой видит ее человеческий глаз. Извлечение яркости согласно стандарту sRGB производится по формуле [12]: (9) Для определения влияния выбора цветового пространства на количество ошибок при построении карты диспарантностей набор тестовых цветных
    (check this in PDF content)

  13. Start
    14185
    Prefix
    Получение Y-канала пространства YCbCr из RGBизображения производится по формуле [11]: (8) Стандарт sRGB применяется в большинстве современных мониторов. Использование данного стандарта позволяет получить карту яркостей такой, какой видит ее человеческий глаз. Извлечение яркости согласно стандарту sRGB производится по формуле
    Exact
    [12]
    Suffix
    : (9) Для определения влияния выбора цветового пространства на количество ошибок при построении карты диспарантностей набор тестовых цветных изображений был переведен в градации серого каждой из формул (7)–(9).
    (check this in PDF content)

  14. Start
    15078
    Prefix
    Приборы и методы измерений 2018. – Т. 9, No 1. – С. 48–55 Козлов В.Л. денных выше методов поиска стереосоответствия (1)–(6). В процессе обработки варьировались размеры окна сканирования, а для метода Забиха и Вудфилла
    Exact
    [9]
    Suffix
    так же варьировался размер окрестности непараметрического преобразования. Вклад ошибок, связанных с выбором того или иного метода получения карты яркости, представлен на графике (рисунок 1). Данные были получены для окон сканирования размером от 5 × 5 до 11 × 11 пикселей; дальнейшее увеличение размера окон сканирования ведет к росту ошибок вблизи границ объектов на изображении.
    (check this in PDF content)

  15. Start
    18478
    Prefix
    Оптимизация вычислений путем использования интегрального представления изображений Вычисление нормированной кросскорреляционной функции (NCC) можно ускорить, используя интегральное представление изображений
    Exact
    [13]
    Suffix
    . Такое представление уменьшает время расчета суммарной яркости пикселей, попадающих в прямоугольник произвольных размеров. Интегральное представление изображения – это матрица, совпадающая по размерам с исходным изображением.
    (check this in PDF content)