Алгоритм поэтапного уточнения проективного преобразования для совмещения изображений
Ефимов А.И., Новиков А.И.

 

Рязанский государственный радиотехнический университет (РГРТУ), Рязань, Россия

Аннотация:
Приведён алгоритм поэтапного построения проективного преобразования по наборам пар ключевых точек, содержащих произвольное число таких точек (более 4 пар точек). В процессе вычисления матрицы гомографии производится обнаружение и отбраковка неудачных пар точек. Приведены экспериментальные результаты совмещения изображений с помощью проективных преобразований как для однородных, так и для разнородных изображений. Предложены методы оценки качества совмещения изображений, обеспечивающие получение локальных и интегральных оценок качества совмещения.

Ключевые слова :
разноспектральные изображения, методы контурного анализа, ключевые точки, проективные преобразования, матрица гомографии, совмещение изображений, качество совмещения.

Цитирование:
Ефимов, А.И. Алгоритм поэтапного уточнения проективного преобразования для совмещения изображений / А.И. Ефимов, А.И. Новиков // Компьютерная оптика. – 2016. – Т. 40, № 2. – С. 258-265. – DOI: 10.18287/2412-6179-2016-40-2-258-265.

Литература:

  1. Баклицкий, В.К. Корреляционно-экстремальные методы навигации и наведения / В.К. Баклицкий. – Тверь: ТО «Книжный клуб», 2009. – 360 с.
  2. Введение в контурный анализ. Приложения к обработке изображений и сигналов / Я.А. Фурман, А.В. Кре­вец­кий, А.К. Передреев, А.А. Роженцов, Р.Г. Хафазов, И.Л. Его­шина, А.Н. Леухин; под ред. Я.А. Фурмана. – Изд. 2-е, испр. – М.: Физматлит, 2003. – 592 с.
  3. Грузман, И.С.Цифровая обработка изображений в информационных системах /И.С. Грузман, В.С. Ки­ричук, В.П. Косых, Г.И. Перетрягин, А.А. Спектор. – Новосибирск: Изд-во НГТУ, 2002. – 351 с.
  4. Гошин, Е.В. Двухэтапное формирование пространственного преобразования для совмещения изображений / Е.В. Гошин, А.П. Котов, В.А. Фур­сов // Компьютерная оптика. – 2014. – Т. 38, № 4. – С. 886-891.
  5. Алпатов, Б.А.Электронная юстировка изображений при мультиспектральном наблюдении / Б.А. Ал­патов, П.В. Бабаян// Цифровая обработка сигналов. – 2003. – № 1. – С. 24-26.
  6. Novikov, A.I. The Contour Analysis and Image-Superimposition Problem in Computer Vision Systems / A.I. Novikov, V.A. Sablina, M.B. Nikiforov, A.A. Lo­gi­nov // Pattern Recognition and Image Analysis. – 2015. – Vol. 25(1). – P. 73-80. – DOI: 10.1134/S1054661815020194.
  7. Hast. A. Optimal RANSAC – Towards a Repeatable Algorithm for Finding the Optimal Set / A. Hast, J. Nysjö, A. Marchetti // Journal of WSCG. – 2013. – Vol. 21(1). – P. 21-30.
  8. Novikov, A.I. Image Superimposition and the Problem of Selecting the Set of Corresponding Point Pairs / A.I. Novikov, V.A. Sa­bli­na, A.I. Efimov // 4th Conference on Embedded Computing (MECO) Proceedings, Budva, Montenegro. – 2015. – P. 139-142.
  9. Herbert, B. Speeded-Up Robust Features (SURF) / B. Herbert, E. Andreas, T. Tinne, L. Van Gool // Computer Vision and Image Understanding. – 2008. – Vol. 110, Issue 3. – P. 346-359. – DOI: 10.1016/j.cviu.2007.09.014.
  10. Lowe, D. Distinctive Image Features from Scale-In­variant Keypoints / D.G. Lowe // International Journal of Computer Vision. – 2004. – Vol 60, Issue 2. – P. 91-110.
  11. Демидович, Б.П. Основы вычислительной математики: учеб. пособие / Б.П. Демидович, И.А. Ма­рон; под общ. ред. Б.П. Демидовича. – 2-е изд., испр. – М.: Физматгиз, 1963. – 659 с.
© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20