(44-3) 16 * << * >> * Русский * English * Содержание * Все выпуски

Модификация метода сопоставления размытых изображений
Р.А. Парингер 1,2, Я. Донон 1,2, А.В. Куприянов 1,2

1 Самарский национальный исследовательский университет имени академика С.П. Королёва,

443086, Россия, Самарская область, г. Самара, Московское шоссе, д. 34

2 ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН,

443001, Россия, Самарская область, г. Самара, ул. Молодогвардейская, д. 151

 PDF, 869 kB

DOI: 10.18287/2412-6179-CO-712

Страницы: 441-445.

Аннотация:
В статье предлагается модификация метода выявления особых точек на размытых изображениях для решения задачи их точного сопоставления. Целью модификации является повышение количества и качества как выявляемых особых точек на каждом изображении, так и корректных пар особых точек на двух изображениях. Отличительными особенностями являются аугментация данных за счёт одновременного использования нескольких комбинаций параметров предварительной обработки и использование дополнительных этапов фильтрации особых точек. Применение указанных модификаций позволило добиться увеличения доли корректно сопоставляемых пар изображений на 30,2 % по сравнению с базовым методом при работе с зашумлёнными данными.

Ключевые слова:
сопоставление изображений, особые точки, извлечение признаков, алгоритмы.

Благодарности
Результаты исследования были получены в рамках выполнения государственного задания Минобрнауки России (Проект № 0777-2020-0017), при частичной финансовой поддержке РФФИ в рамках научного проекта № 19-29-01135.

Цитирование:
Парингер, Р.А. Модификация метода сопоставления размытых изображений / Р.А. Парингер, Я. Донон, А.В. Куприянов // Компьютерная оптика. – 2020. – Т. 44, № 3. – С. 441-445. – DOI: 10.18287/2412-6179-CO-712.

Литература:
  1. Smith, S.W. The scientist and engineer's guide to digital signal processing / S.W. Smith. – 2nd ed. – San Diego, California: California Technical Publishing, 1999.
  2. Goshin, Ye.V. Estimating intrinsic camera parameters using the sum of cosine distances / Ye.V. Goshin // Journal of Physics: Conference Series. – 2018. – Vol. 1096. – 012092. – DOI: 10.1088/1742-6596/1096/1/012092.
  3. Shapiro, L. Computer vision / L. Shapiro, G. Stockman. – Seattle, Washington: Prentice Hall, 2001.
  4. Gomez, S. Shape recognition using machine learning / S. Gomez // 2011 6th Colombian Computing Congress (CCC). – 2011. – 3 p.
  5. Ngo, T.-T. Reflectance and shape estimation with a light field camera under natural illumination / T.-T. Ngo, N. Hajime, N. Ko, T. Rinichiro, Y. Yasushi // International Journal of Computer Vision. – 2019. – P. 1-16.
  6. Nitin, T. A review: Image edge unmasking by applying renovated and colony optimization technique / T. Nitin, K. Vikas // International Journal of Advanced Research in Computer and Communication Engineering. – 2015. – Vol. 4, Issue 6. – P. 35-38.
  7. Urbančič, T. The influence of the input parameters selection on the RANSAC results / T. Urbančič, M. Fras, B. Stopar, K. Božo // International Journal of Simulation Modelling. – 2014. – Vol. 13, Issue 2. – P. 159-170.
  8. Donon, Y. Blur-robust image registration and stitching / Y. Donon, R. Paringer, A. Kupriyanov, Y. Goshin // Journal of Physics: Conference Series. – 2019. – Vol. 1368, Issue 5. – 052043. – DOI: 10.1088/1742-6596/1368/5/052043.
  9. Bradski, G. The OpenCV library [Electronical Resource] / G. Bradski // Dr. Dobb's Journal: Software Tools for The Professional Programmer. – 2000. – URL: https://www.drdobbs.com/open-source/the-opencv-library/184404319 (request date 26.02.2020).
  10. Computer image processing, Part II: Methods and algorithms / ed. by V.A. Soifer. – Saarbrücken: VDM Verlag Dr. Müller, 2010. – 584 p. – ISBN: 978-3-639-17545-5.
  11. Canny, J. A computational approach to edge detection / J. Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – Vol. PAMI-8, Issue 6. – P. 679-698. – DOI: 10.1109/TPAMI.1986.4767851.
  12. Teh, C.H. On the detection of dominant points on digital curve / C.H. Teh, R.T. Chin // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1989 – Vol. 11, Issue 8. – P. 859-872.
  13. Sivanesan, U. Unsupervised medical image segmentation with adversarial networks: From edge diagrams to segmentation maps [Electronical Resource] / U. Sivanesan, L. Braga, R. Sonnadara, K. Dhindsa // arXiv:1911.05140. – 2019. – URL: https://arxiv.org/abs/1911.05140 (request date 26.02.2020).
  14. Chen, C. Rotational copy-move forgery detection using SIFT and region growing strategies / C. Chen, W. Lu, C. Chou // Multimedia Tools and Applications. – 2019. – Vol. 78, Issue 13. – P. 18293-18308.
  15. Hu, M. Visual pattern recognition by moment invariants / M. Hu // IRE Transactions on Information Theory. – 1962. –Vol. 8, Issue 2. – P. 179-187.
  16. DroneMapper [Electronical Resource]. – 2016. – URL: https://dronemapper.com/sample_data/ (request date 19.10.2019).
  17. Bhattacharyya, A. On a measure of divergence between two statistical populations defined by their probability distributions / A. Bhattacharyya // Bulletin of the Calcutta Mathematical Society. – 1943. – Vol. 35. – P. 99-109.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20