Введение
1 Анализ существующих методов структурного анализа изображений 16
1.1 Структурные методы, абстрагирующиеся от индивидуальных особенностей зрительных образов 18
1.1.1 Методы, основанные на контурном описании изображения 19
1.1.2 Методы, основанные на локальных признаках 23
1.1.3 Способы учета геометрического положения структурных элементов в
пространстве изображения 26
1.2 Построение структурного описания путем обучения 33
1.3 Выводы 39
2 Сопоставление изображений трехмерных сцен с использованием кластерного анализа 42
2.1 Кластеризация параметров сопоставлений ключевых точек 42
2.1.1 Обнаружение объектов 43
2.1.2 Сопоставление произвольных трёхмерных сцен 44
2.1.3 Вероятность образования кластера ключевых точек 46
2.2 Верификация кластерной гипотезы 50
2.2.1 Метод наименьших квадратов 51
2.2.2 Алгоритм RANSAC 62
2.3 Предварительная обработка сопоставлений 72
3 Поиск изображений трехмерных сцен в базе данных с использованием концепции визуальных слов и кластерного анализа 83
3.1 Применение визуальных слов с использованием структурной информации 83
3.2 Составление словаря визуальных слов 87
3.3 Организация процедуры кластеризации с помощью преобразования Хафа 90
3.4 Выводы 94
4 Практические результаты 96
4.1 Общие особенности практической реализации 96
4.2 Сопоставление изображений трехмерных сцен 101
4.3 Поиск изображений трехмерных сцен в базе данных с использованием гистограмм визуальных слов 112
4.4 Использование структурных методов для улучшения плотных карт глубины 115
4.4.1 Автоматическая оценка диапазона диспаратностей 118
4.4.2 Изменение матрицы корреляционной энергии 119
4.4.3 Результаты 121
4.4.4 Выводы 127
4.5 Сопоставление аэрокосмических снимков 128
Заключение 138
Литература 140
