Автоматизовані методи знаходження відповідних точок на стереопарі цифрових знімків
Існують різні методи ототожнення відповідних точок на парі цифрових зображень, які можна розділити на дві групи:
- Методи, що ґрунтуються на аналізі значень пікселів зображення в межах певної області (площадні методи).
- Методи, що ґрунтуються на виділенні характерних елементів зображення.
Площі методи ототожнення однойменних точок
Сенс цих методів зводиться до порівняння густин пікселів двох зображень навколо визначеної точки.
На малюнку показано принцип ототожнення відповідних точок на парі знімків, який полягає в наступному.
На лівому знімку задається будь-яка точка (малюнок а). Потім навколо цієї точки (малюнок b) ніби вирізається деяке вікно (фрагмент зображення або еталонна матриця) і накладається на правий знімок (малюнок с). Еталонну матрицю переміщують по правому знімку (матриці пошуку) і щоразу порівнюють відповідні щільності лівого та правого знімків у межах розмірів еталонної матриці. Якщо всі щільності приблизно збігаються, це означає, що знайдено відповідна (ідентична) точка (малюнок d) на правому знімку. Критерієм розв'язання задачі очевидно є відшукання функціоналу наступного виду:
min \mid f_1 - f_2 \mid ,\)
f_2\) - щільності пікселів еталонної матриці та матриці пошуку відповідно, тобто лівого та правого зображень.
При практичній реалізації площадних методів ототожнення існує два основних підходи:
1.Кореляційні методи
Сенс цих методів полягає в тому, що при кожному положенні еталонної матриці на правому знімку обчислюється замість функції (1) коефіцієнт кореляції R, максимальне значення якого відповідає кращому збігуточок.
2.Метод найменших квадратів
Метод найменших квадратів дозволяє обчислити координати відповідної точки на другому зображенні безпосередньо як функцію значень густин двох зображень, тобто вирішується функція (1).
Методи, що ґрунтуються на виділенні характерних елементів зображення
Сутність цих методів полягає в наступному: спочатку виділяються характерні елементи зображень, а потім вони ототожнюються. Характерними елементами зображення можуть бути точки, лінії, полігони і т. д. Для виділення цих елементів застосовуються різні оператори та алгоритми.
Наприклад, для точок існують оператори Forstner, Moravic, Dreschler, Mar-Hildreth та SIFT. Завдання цих операторів знайти на зображенні області з найбільшою зміною контрасту, в яких потім найкращі результати кореляції. Виділені точки за допомогою оператора Forstner інваріантні до поворотів і, як наслідок, у цих точках кореляція виходить надійніше. Оператор Moravic дозволяє виділити крапки з контрастом, що перевищує деякий поріг. Оператор Dreschler обчислює значення кривої Гауса, яке дозволяє визначити точки, що належать перегинам ліній. Ця характеристика ліній не змінюється залежно від геометричних спотворень, змін масштабу та повороту зображення. Оператор Marr-Hildreth (або оператор LoG лапласіан гауссіана) фільтрує зображення і одночасно виділяє зони змін значень густин зображення. SIFT (масштабно інваріантне перетворення) - це алгоритм, що дозволяє описати точку знімка деякими локальними ознаками, які інваріантні до зсуву, повороту та масштабу.
Існують різні оператори (оператори Roberts, Prewitt, Sobel), які дозволяють виділити лінії таполігони. Ці оператори засновані на виділенні меж змін значень щільності зображення.
Після виділення елементів зображення визначаються характеристики (атрибути) цих елементів, такі як: довжина, орієнтація, площа, контраст, середнє значення щільності зображення і т.п.
Після надання цих атрибутів відповідним елементам виконується аналіз зв'язків між цими елементами, використовуючи алгоритми теорії ймовірності.
- Стійкість до шумів зображень, оскільки аналізуються не самі значення пікселів, які зміни у порівнянні з сусідніми, що послаблює вплив шумів зображень.
- Мала чутливість до геометричних та фотометричних спотворень зображень.
- Передбачають додаткові обчислювальні процедури виділення елементів зображень.
Крім цих методів існує ще група методів, заснованих на мінімізації глобального функціоналу, що враховує всі пікселі двох зображень стереопари.