| Русский Русский | English English |
   
Главная Архив номеров
22 | 11 | 2019
10.14489/vkit.2014.01.pp.003-009

DOI: 10.14489/vkit.2014.01.pp.003-009

Кузнецов П. К., Мартемьянов Б. В., Семавин В. И.
ТЕХНИЧЕСКОЕ ЗРЕНИЕ ПОДВИЖНЫХ ОБЪЕКТОВ. МЕТОД АНАЛИЗА ПОЛЯ СКОРОСТЕЙ ДИНАМИЧЕСКОГО ИЗОБРАЖЕНИЯ
(с. 3–9)

Аннотация. Данная статья открывает серию из трех статей, в которых на систематической основе излагается метод функционализации, предложенный для вычисления оптического потока, создаваемого изображениями подвижных объектов. Метод основан на использовании обобщенной формы уравнения градиентной связи, которая устанавливается между измеримыми характеристиками анализируемых изображений и параметрами оптического потока. Обобщенное градиентное уравнение не содержит пространственных производных от функции плотности изображения. Как следствие, метод характеризуется робастностью и большим быстродействием по сравнению с другими известными методами точного совмещения изображений, а также обладает пониженной чувствительностью к локальным экстремумам автокорреляционных функций анализируемых изображений. Метод функционализации адаптируем к особенностям конкретной решаемой задачи. Это значительно повышает эффективность процедуры точного совмещения изображений. Алгоритмы совмещения изображений, реализующие предложенный метод, позволяют совмещать изображения при больших относительных начальных рассогласованиях положения совмещаемых изображений (до 100 пикселов и больше) без применения «пирамидальных алгоритмов». В данной статье изложены основы метода функционализации и более детально метод рассмотрен в приложении к решению задачи совмещения изображений, содержащих аддитивные шумы.

Ключевые слова: оптический поток; совмещение изображений; обобщенный градиентный метод; метод функционализации.


Kuznetsov P. K., Martemyanov B. V., Semavin V. I.
MACHINE VISION OF MOBILE PLATFORMS. METHOD OF THE OPTICAL FLOW ANALYSIS OF DYNAMIC IMAGES
(pp. 3–9)

Abstract.  This article starts a series of three articles in which in a consistent framework there is stated a functionalization method of computing the optical flow of dynamic images. The method is based on a generalized form of the gradient constraint equation, which establish connection parameters of optical flow from values of a special kind functional defined on analyzed images. The generalized gradient constraint equation does not contain spatial derivatives of the image density function. As a result, the method is robust and more fast then other known methods of the image registration and it has poor sensitivity to local extremes of autocorrelation function of analyzed images. The functionalization method can be adapted to any considered problem. This considerably improves the efficiency of the image registration procedure. Image registration algorithms developed on the basis of proposed method allows to combine images at relatively large initial mismatching shifts (up to 100 pixels and more) without applying pyramidal algorithms. In the article bases of the functionalization method are stated. Further in it the method is considered in more details for the case when images contain additive noise.

Keywords: Optical flow; Image registration; Generalized gradient method; Functionalization method.

Рус

П. К. Кузнецов, Б. В. Мартемьянов, В. И. Семавин (Самарский государственный технический университет) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Eng

P. K. Kuznetsov, B. V. Martemyanov, V. I. Semavin (Samara State Technical University) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

 

Рус

1. Современные информационные технологии в задачах навигации и наведения беспилотных маневренных летательных аппаратов / К. К. Веремеенко и др.; под. ред. М. Н. Красильщикова, Г. Г. Себрякова. М.: ФИЗМАТЛИТ, 2009. 556 с.
2. Злобин В. К., Еремеев В. В. Обработка аэрокосмических изображений. М.: ФИЗМАТЛИТ, 2006. 288 с.
3. Horn B. K. P. Robot Vision. Cambridge: MIT Press, MA, 1986.
4. Baker S., Matthews I. Lucas-Kanade 20 Years On: A Unifying Framework: Part 1 // International Journal of Computer Vision. 2004. № 56(3). Р. 221 – 255.
5. Barron J. L, Fleet D. J., Beauchemin S. S. Performance of Optical Flow Techniques // International Journal of Computer Vision. 1994. V. 12, № 1. P. 43 – 77.
6. Horn B. K. P., Schunck B. G. Determining Optical Flow / Massachusetts Institute of Technology; Artificial Intelligence Laboratory. A. I. Memo № 572. April 1980. 27 p. URL: htth://people.csail.mit.edu/bkph/AIM/AIM-572-OCR.pdf (дата обращения: 21.10.2013).
7. Horn B. K. P., Schunck B. G. Determining Optical Flow // Artificial Intelligence. 1981. V. 17. P. 185 – 203.
8. Lucas B. D., Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision // Proc. of 7th International Joint Conference on Artificial Intelligence. 1981. P. 674 – 679.
9. Lucas B. D., Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision // Proc. of Imaging Understanding Workshop. 1981. P. 121 – 130.
10. Keller Y., Averbuch A. Global Parametric Image Alignment Via High-Order Approximation // Computer Vision and Image Understanding. 2008. V. 109, № 3. P. 244 – 259.
11. А. с. 838561 CCCP, М. Кл.3 ПК G01 C 21/00. Устройство для определения скорости движения изображения протяженного объекта со случайным распределением яркостей / Абакумов А. М., Кузнецов П. К., Мишин В. Ю., Проскуровский Д. Н., Семавин В. И. № 3457956/23; заявл. 18.06.1979; опубл. 15.06.1981. Бюл. № 22.
12. Кузнецов П. К., Мишин В. Ю., Семавин В. И. Определение скорости по характеристикам последовательности кадров телевизионного изображения // Изв. вузов. Приборостроение. 1997. Т. 40, № 2. С. 58 – 61.
13. Кузнецов П. К., Мишин В. Ю., Семавин В. И., Владимиров М. В. Метод функциональных преобразований в задаче определения скорости движения яркостных полей // Вестник Самарского гос. техн. ун-та. Сер. Техн. науки. 1994. № 1. C. 66 – 76.
14. Кузнецов П. К., Мартемьянов Б. В., Семавин В. И., Чекотило Е. Ю. Метод определения вектора скорости движения подстилающей поверхности // Вестник Самарского гос. техн. ун-та. Сер. Техн. науки. 2008. № 2(22). С. 96 – 110.
15. Арнольд В. И. Обыкновенные дифференциальные уравнения: учеб. пособие для студ. мех.-мат. спец. вузов. М.: Наука, 1975. 239 с.

Eng

1. Krasil'shchikova M. N. , Sebriakova G. G. (Eds.), Veremeenko K. K. (2009). Modern information technologies in problems of navigation and guidance of maneuverable air drones. Moscow: Fizmatlit.
2. Zlobin V. K., Eremeev V. V. (2006). Processing of aerospace images. Moscow: Fizmatlit.
3. Horn B. K. P. (1986). Robot Vision. Cambridge: MIT Press, MA.
4. Baker S., Matthews I. Lucas-Kanade (2004). Lucas-Kanade 20 years on: A unifying framework. International Journal of Computer Vision, 56(3), pp. 221-255. doi: 10.1023/B:VISI.0000011205.11775.fd
5. Barron J. L, Fleet D. J., Beauchemin S. S. (1994). Performance of optical flow techniques. International Journal of Computer Vision, 12(1), pp. 43 – 77.
6. Horn B. K. P., Schunck B. G. Determining Optical Flow. Massachusetts Institute of Technology; Artificial Intelligence Laboratory. A. I. Memo № 572. April 1980 Available at: people.csail.mit.edu/bkph/AIM/AIM-572-OCR.pdf (Accessed: 21 October 2013).
7. Horn B. K. P., Schunck B. G. (1981). Determining optical flow. Artificial Intelligence, 17, pp. 185-203.
8. Lucas B. D., Kanade T. (1981). An Iterative Image Registration Technique with an Application to Stereo Vision. Proc. of 7th International Joint Conference on Artificial Intelligence, pp. 674 – 679.
9. Lucas B. D., Kanade T. (1981). An Iterative Image Registration Technique with an Application to Stereo Vision. Proc. of Imaging Understanding Workshop, pp. 121 – 130.
10. Keller Y., Averbuch A. (2008). Global parametric image alignment via high-order approximation. Computer Vision and Image Understanding, 109(3), pp. 244-259. doi: 10.1016/j.cviu.2007.05.003.
11. Abakumov A. M., Kuznetsov P. K., Mishin V. Iu., Proskurovskii D. N., Semavin V. I. (1979). Certificate of authorship No. 838561.
12. Kuznetsov P. K., Mishin V. Iu., Semavin V. I. (1997). The determination of speed by characteristics of TV image frame rate. Izvestiia vuzov. Priborostroenie, 40(2), pp. 58 – 61.
13. Kuznetsov P. K., Mishin V. Iu., Semavin V. I., Vladimirov M. V. (1994). The method of functional transformation in the task of definition of speed of brightness fields movement. Vestnik Samarskogo gosudarstvennogo tekhnicheskogo universiteta. Seriia Tekhnicheskie nauki, (1), pp. 66 – 76.
14. Kuznetsov P. K., Martem'ianov B. V., Semavin V. I., Chekotilo E. Iu. (2008). Method for determination of the motion speed of the underlying surface. Vestnik Samarskogo gosudarstvennogo tekhnicheskogo universiteta. Seriia Tekhnicheskie nauki, 22(2), pp. 96-110.
15. Arnol'd V. I. (1975). Ordinary differential equations: a textbook for students of mechanical-mathematical special universities. Moscow: Nauka.

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

{jform=1,doi=10.14489/vkit.2014.01.pp.003-009}

.

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

{jform=2,doi=10.14489/vkit.2014.01.pp.003-009}

 

 

 

 

 

.

.

 

 
Поиск
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Баннер
Баннер
Баннер
Баннер
Rambler's Top100 Яндекс цитирования