Введение
Глава 1. Анализ и классификация основных подходов к проблеме обнаружения объектов на изображениях 16
1.1. Предмет дисциплины "машинное зрение" 16
1.2.Основные требования к алгоритмам обнаружения 22
1.2.1.Робастность 23
1.2.2. Локализация 25
1.2.3.Вычислительная реализуемость 27
1.3. Обнаружение объектов, заданных эталонными изображениями 28
1.3.1.Обнаружение объектов на основе яркостной сегментации и признаковых описаний 28
1.3.2.Корреляционное обнаружение 30
1.3.3.Морфологический подход Ю.П. Пытьева 33
1.4.Обнаружение малоразмерных объектов на изображениях по методу "нормализации фона" 36
1.5,Основные понятия математической морфологии (по Серра), свойства морфологических операторов 43
1.5.1 .Морфологические операции на бинарных изображениях 43
1.5.2.Расширение морфологических операций на случай полутонового изображения 45
1.5.3.Применение морфологических операторов для выделения "черт" и объектов на изображениях 47
1.6.Основные понятия преобразования Hough, обобщенное преобразование Hough, свойства НТ и GHT 50
1.6.1.Преобразование Hough 50
1.6.2,Обобщенное преобразование Hough (GHT) 53
1.6.3.Обнаружение "черт" и объектов в пространстве параметров 56
Выводы по первой главе 57
Глава 2. Исследование различных аспектов классических методов обнаружения 59
2.1.Связь между нормированными обычным и морфологическим коэффициентами корреляции 59
2.2. Исследование вероятностных характеристик аномальных ошибок обнаружения для корреляционного обнаружителя 65
2.3.Анализ свойств метода нормализации фона 72
2.3.1.Задача обнаружения малоразмерных объектов 72
2.3.2.Результаты моделирования 77
2.4.Анализ двумерного поля на наличие характерных черт 88
2.4.1.Выделение характерных точек
2.4.2.Выделение характерных линий 95
2.4.3.Выделение характерных областей 100
2.4.4.Выделение характерных структур 101
2.5.Выводы по второй главе 102
Глава 3. Метод обнаружения объектов, основанный на объединении свидетельств и исследование его различных приложений 104
3.1 .Постановка задачи 108
3.2.Обобщенный подход к детектированию, основанный на анализе свидетельств 112
3.3. Способы повышения вычислительной эффективности алгоритмов детектирования и распознавания 114
3.2.1.Аккумулирование свидетельств 114
3.3.2.Принцип разделения. Декомпозиция и редукция вектора параметров 115
3.3.3.Загрубление модели объекта 117
3.3.4. Использование структурных иерархических моделей 119
3.4.Обобщенная структура алгоритма детектирования 123
3.5. Алгоритмическое обеспечение для устойчивого считывания
штрихкодовой информации в условиях помех и искажений 128
3.5.1.Постановка задачи, характеристика тестовых изображений 129
3.5.2.Анализ возможных методов решения задачи детектирования
штриховых кодов на изображении 132
3.5.3.Модульный алгоритм обнаружения штриховых кодов 139
3.5.3.1.Общая характеристика алгоритма 139
3.5.3.2.0писание алгоритма 142
3.5.3.3.Особенности модифицированного преобразования Hough. 145
3.5.3.4.Результаты тестирования модульного алгоритма 148
З.б.Измерение угловых объектов 151
3.6.1.Постановка задачи измерения угла схождения сварных швов 151
3.6.2.Натуральная параметризация пространства Hough 152
З.б.З.Поиск сопряженной пары прямых 154
3.6.4.Измерение угла с субпиксельной точностью 156
3.7.Выводы по третьей главе 157
Глава 4. Разработка методов эффективного стереоотождествления 160
4.1.Основные проблемы, возникающие при стереоотождествлении... 162
4.1.1.Область поиска 163
4.1.2.Уникальность эталона 165
4.1.3.Начальные приближения 165
4.1.4.Геометрические искажения образов 166
4.1.5.Яркостные различия образов 168
4.1.6.Ложное отождествление 169
4.2.Выбор метода решения задачи стереоотождествления 170
4.3. Определение наиболее устойчивых информативных участков изображения путем локального статистического анализа 172
4.3.1.Показатели информативности фрагмента изображения 176
4.3.2.Анализ наличия сигнала на фрагменте изображения 182
4.4.Корреляционное стереоотождествление с использованием пирамиды стереопар 187
4.5.Обобщенная форма корреляционного стереоотождествления 193
4.6.Выводы по четвертой главе 198
Глава 5. Метод субпиксельной корреляции в задаче высокоточного отождествления соответствующих точек 200
5.1.Анализ существующих методов субпиксельного корреляционного стереотождествления 200
5.2.Линеаризация задачи 204
5.3.Решение задачи на обобщенные собственные значения 206
5.3.1.Решение методом Холецкого 207
5.3.2.Решение методом ортогонализации 209
5.4.Решение задачи максимизации корреляционной функции 211
5.5.Эквивалентность субпиксельной корреляции и корреляции методом наименьших квадратов 213
5.6. Экспериментальное исследование метода субпиксельной корреляции 216
5.6.3.Временные характеристики 216
5.6.3.Описание вычислительного эксперимента 217
5.6.3.Сходимость параметров и коэффициента корреляции 219
5.6.4.Оценка точности 220
5.6.5.Точность отождествления контрольных точек стереопары 220
5.7.Метод субпиксельной корреляции с учетом предварительной сегментации изображений 227
5.7.1.Использование результата сегментации в модели стереоотождествления 227
5.7.2.Линеаризация задачи 228
5.7.3.Преобразование коэффициента кросс-корреляции 229
5.7.4.Преобразование морфологического коэффициента корреляции231
5.7.5.Максимизация коэффициента корреляции 232
5.8.Применение методов автоматизированной стереообработки изображений космической и авиационной съемки в современных
компьютерных технологиях визуализации 233
5.9.Выводы по пятой главе 238
Глава 6. Метод обнаружения трехмерных объектов, основанный на анализе дифференциальных ортофотоизображений 240
6.1.Исследование стереофотограмметрических возможностей метода 242
6.2.Описание алгоритма обнаружения 246
б.З.Выводы по шестой главе 252
Глава 7. Разработка алгоритмов обнаружения препятствий в системе управления транспортным средством 254
7.1.Постановка задачи, технические требования к системе обнаружения 254
7.2.Алгоритм обнаружения продольных линий дорожной разметки 255
7.2.1.Общая характеристика алгоритма 257
7.2.2.Алгоритм первичного выделения сегментов разметки 257
7.2.3.Алгоритм монокулярного обнаружения продольных линий разметки 261
7.2.4.Алгоритм стереоотождествления и локализации положения линий разметки 266
7.2.5.Алгоритм прослеживания линий разметки 269
7.2.6.Алгоритм формирования списка соответствующих сегментов. 275
7.2.7.Результаты тестирования алгоритма 277
7.3.Алгоритмы обнаружения препятствий 278
7.3.1.Логика работы алгоритма обнаружения препятствий 278
7.3.2.Предварительные шаги блока обнаружения препятствий 278
7.3.3.Построение ортофото 281
7.3.4.Построение локальных признаков препятствий 283
7.3.5.Корреляционно-признаковое сравнение ортофото 285
7.3.6.0бнаружение элементов препятствий 288
7.3.7.Работа системы в режиме сопровождения препятствий .289
7.4.Примеры работы системы 291
7.5.Выводы по седьмой главе 293
Глава 8. Создание средств разработки специализированного программного обеспечения для анализа изображений 295
8.1.Требования к средствам разработки систем анализа изображений Программная среда "Pisoft" 295
8.2.Этапы развития и состав пакета Pisoft 296
8.3.Фреймовая архитектура пакета Pisoft 298
8.4.Результаты применения пакета Pisoft 302
8.5.Выводы по восьмой главе 306
Заключение 309
Литература
