Метод слабой перспективной трансформации изображения Текст научной статьи по специальности «Компьютерные и информационные науки»

Информационные системы и технологии

точное освещение, наличие засвеченных частей, низкая контрастность, искусственное цветное освещение, комбинация двух или более видов искажения. Обработка фотографий такого качества крайне неудобна как человеку, так и компьютеру. Поэтому для устранения подобных проблем было придумано множество методов, нацеленных на улучшение визуального качества, среди которых можно выделить три основные группы: цветокоррекцию, шумоподавление и повышение резкости.

К методам цветокоррекции относят метод AutoLevels, цветовой баланс, коррекцию яркости, коррекцию контраста, технологию Retinex, гамма-коррекцию и пр.; к методам шумоподавления - линейное и нелинейное сглаживание, ретуширование, Adjust и т. д.; к методам повышения резкости -HighPass, Unsharp Mask, Smart Sharpen и многие другие [1].

При выделении линий на основе преобразования Хафа необходимо сделать так, чтобы линии были более четкими. Для этого вначале нужно выполнить цветовую коррекцию, шумоподавление и в заключение повысить резкость.

Для изображений с недостаточным освещением более подходят фильтры AutoLevels и корректировка уровней, а в случае наличия засвеченных частей -Highlights. При шумоподавлении необходимо воспользоваться фильтром Гаусса, а затем усилить резкость методом Unsharp Mask с модификациями. Скомбинировав все эти методы в такой последовательности, можно получить оптимальный вариант, который позволит компьютеру распознать необходимые линии.

Библиографическая ссылка

1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М. : Техносфера, 2005.

Yu. V. Borisov, A. S. Lisitsa Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

THE ANALYSIS OF QUALITY IMPROVEMENT METHODS OF IMAGES FOR LINES SEARCH

The comparative analysis of various image correction methods with determination of conditions of their use for lines search is described.

© Борисов Ю. В., Лисица А. С., 2012

УДК 004.932.2

Д. В. Бузаев, А. В. Носов

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

МЕТОД СЛАБОЙ ПЕРСПЕКТИВНОЙ ТРАНСФОРМАЦИИ ИЗОБРАЖЕНИЯ

Рассмотрен метод перспективной и проективной трансформации, позволяющий производить проекцию изображения на плоскость.

Проекция всех точек системы координат выполняется вдоль направления, параллельного оптической оси камеры, что позволяет избежать искажения объ -екта на изображении [1].

Перспективную проекцию можно приближенно представить как прямоугольную с последующим масштабированием плоскости изображения. Данный метод называется слабой перспективной проекцией [2] и описывается формулой

Рр = С П( 5) СР,

где рР - координаты преобразованной точки; П - матрица преобразования с коэффициентом 5 (отношение расстояния до объекта к фокусному расстоянию); СР -координаты исходной точки.

В данном случае параллельные прямые сходятся, размер объекта интереса уменьшается с увеличением расстояния от центра проекции и происходит неоднородное искажение линий объекта, зависящее от ориентации и расстояния от объекта до центра проекции:

Г FP1 x

FP _ У _

P

x

'P

У

ZP

x

1

Оценка модели проводится эмпирическим путем, при этом расстояние до объекта должно примерно в 20 раз превышать его размер. Точность приближения также зависит от оптической оси камеры: чем ближе к этой оси расположен объект, тем выше точность.

Решетневскце чтения

Проективные преобразования обладают свойством Библиографические ссылки

коллинеарности точек: три точки, лежащие на одной

прямой, после преобразования также остаются на од- 1 Форсайт Д, Жан П- Компьютерное зрение. Со-

ной прямой [2]. Точки на трехмерной сцене представ- временный подход. М. : Вильямс, 2004.

2. Шапиро Л., Стокман Дж. Компьютерное зре-

ляются в проективных пространствах как векторы в однородных координатах.

ние. М. : БИНОМ. Лаборатория знаний, 2006.

D. V. Buzaev, A. V. Nosov Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

METHOD OF WEAK PERSPECTIVE IMAGE TRANSFORMATION

Method of perspective and projective transformation allowing to make a projection of the image on the plane is considered.

© Бузаев Д. В., Носов А. В., 2012

УДК 004.932.4

В. В. Буряченко

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

МЕТОДЫ ДЕТЕКТИРОВАНИЯ КАДРОВ ПЛОХОГО КАЧЕСТВА ПРИ СТАБИЛИЗАЦИИ ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ

Проведен обзор методов, применяемыхдля определения видеопоследовательностей плохого качества, предложены классификация входных изображений по пригодности для обработки и метод детектирования шумо-подобных кадров.

Для качественной работы алгоритма определения геометрических искажений на его вход должны подаваться кадры, в той или иной степени соответствующие выбранной математической модели. Однако алгоритм стабилизации оценивает параметры геометрических преобразований кадров путем нахождения минимума некоторой целевой функции. Поэтому он не может работать при несоответствии входных изображений модели геометрических преобразований, принятых при разработке алгоритма, а также при слабой обусловленности задачи, т. е. при слабой зависимости целевой функции от параметров преобразований.

Если алгоритм стабилизации определяет параметры геометрических преобразований неправильно, то выходное изображение, стабилизированное в соответствии с такими неправильными параметрами, является более нестабильным, чем входное. Это недопустимо, поэтому следует отсеивать кадры, обработка которых не может быть выполнена достаточно качественно.

На практике такие ситуации возможны в следующих случаях:

- при смене сцены;

- отсутствии полезного сигнала (при наличии или отсутствии шума);

- высоком уровне помех;

- съемке с большим увеличением при быстром перемещении камеры.

Несмотря на изначальную нацеленность алгоритма определения геометрических искажений на работу с алгоритмами стабилизации, он может бытьиспользо-ван и для решения более общих задач: определения смены сцены, шумовых кадров и т. д.

В данной области большая работа была проделана разными авторами. Особенно много исследований коснулось проблемы поиска смены сцены. Большинство разработанных алгоритмов легко свести к простой схеме - вычислению некоторых метрик с последующей их классификацией, в простейшем случае -сравнению с порогом.

Особую популярность получили алгоритмы, использующие сжатые алгоритмом МРЕО-4 последовательности [1], где в качестве метрик взяты несколько первых коэффициентов разложения в ряд по косинусам. Для получения метрик также могут быть использованы пространственно-временные разложения или разложения по вейвлетам. Также существует ряд методов, которые используют очень сложные алгоритмы анализа сцены, включающие в себя сегментацию и сопровождение объектов, для нахождения смены сцены [2]. В работе [3] представлены методы на основе простых метрик, таких как разность последовательных кадров, скорость изменения этой яркости и анализ гистограмм.

Помимо указанных выше случаев также существуют случаи, когда необходима оценка параметров