The 13 references with 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
Hartley, R. Multiple view geometry in computer vision / R. Hartley, A. Zisserman // Cambridge : Cambridge University Press, 2004. – 672 p.
Total in-text references: 1
  1. In-text reference with the coordinate 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].

2
Tuytelaars, T. Local invariant feature detectors: A survey / T. Tuytelaars, K. Mikolajczyk // Foundations and Trends in Computer Graphics and Vision. – 2008. – Vol. 3, no. 3. – P. 177–280. doi: 10.1561/0600000017
Total in-text references: 2
  1. In-text reference with the coordinate 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].

  2. In-text reference with the coordinate 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.

3
Color invariance / J.M. Geusebroek [et al.] // IEEE Transactions on PAMI. – 2001. – Vol. 23, no. 12. – P. 1338–1350.
Total in-text references: 1
  1. In-text reference with the coordinate 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].

4
Lindeberg, T. Scale-space theory in computer vision / T. Lindeberg. – Dordrecht : Kluwer Academic Publishers, 1994. – 69 p.
Total in-text references: 1
  1. In-text reference with the coordinate 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

5
Гошин, Е.В. Модель реконструкции 3D-сцен с учетом эпиполярных ограничений / Е.В. Гошин // Молодой ученый. – 2014. – No 12. – С. 71–73. doi: 10.18287/0134-2452-2015-39-5-770-776
Total in-text references: 1
  1. In-text reference with the coordinate 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.

6
Пономарев, С.В. Методика сравнения алгоритмов стереозрения при восстановлении трехмерной модели лица человека / С.В. Пономарев // Научно-технический вестник информационных технологий, механики и оптики. – 2013. – Т. 88, No 6. – С. 40–45.
Total in-text references: 1
  1. In-text reference with the coordinate 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.

7
Simonyan, K. Confidence measure for block-based motion vector field / K. Simonyan, S. Grishin, D. Vatolin // Computer Graphics and Vision (GraphiCon'2008) : Proc. of 18th International Conference, Moscow, 23–27 June 2008. – Moscow, 2008. – P. 110–113.
Total in-text references: 1
  1. In-text reference with the coordinate 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.

8
Котюжанский, Л.А. Вычисление карты глубины стереоизображения на графическом процессоре в реальном времени / Л.А. Котюжанский // Фундаментальные исследования. – 2012. – No 6. – С. 444–449.
Total in-text references: 1
  1. In-text reference with the coordinate 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.

9
Zabih, R. Non-parametric local transforms for computing visual correspondence / R. Zabih, J. Woodfill // Computer Vision – ECCV '94 : Proc of Third European Conference on Computer Vision, Stockholm, 2–6 May 1994. – Springer, 1994. – P. 150–158.
Total in-text references: 2
  1. In-text reference with the coordinate 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.

  2. In-text reference with the coordinate 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.

10
Стандарт сжатия JPEG / Лекции по курсу «Методы кодирования информации» [Электронный ресурс]. – Режим доступа: http://sernam.ru/ lect_cod. php. – Дата доступа: 26.05.2014.
Total in-text references: 1
  1. In-text reference with the coordinate 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.

11
Фисенко, В.Т. Компьютерная обработка и распознавание изображений / В.Т. Фисенко, Т.Ю. Фисенко. – С-Пб. : СПбГУ ИТМО, 2008. – 192 с.
Total in-text references: 1
  1. In-text reference with the coordinate 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

12
Малыхина, М.П. Аспекты практического применения цветового различия для распознавания и выделения границ изображений / М.П. Малыхина, Д.А. Шичкин // Научный журнал КубГАУ. – 2013. – Т. 89, No 5. – C. 623–634.
Total in-text references: 1
  1. In-text reference with the coordinate 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).

13
Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М/ : Техносфера, 2005. – 1072 с.
Total in-text references: 1
  1. In-text reference with the coordinate 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.