Стереовидение в стерео-очках.
Целью данной статьи является разработка подсистемы поиска сопряженных точек в системе стереовидения.
Результатом работы подсистемы является поле диспарантности - входные данные для последующего восстановления трехмерной сцены.
Актуальность и уникальность разработки состоит в том, что существующие программные продукты не могут в полной мере решить поставленную задачу. Но, в связи с широким кругом применения данных СС, давно существует заинтересованность в подобной подсистеме.
Применение разработанной программной подсистемы даст неоценимый вклад в развитие систем наблюдения, а так же применение различных областях человеческой деятельности, для которых необходимо получать качественные и достоверные данные о рельефе местности, в военной отрасли - помогая создавать более совершенные и технологичные методы обработки стереопар, позволяющих качественней отображать визуальные объекты. Не смотря на довольный обширный спектр решаемых задач, данное программное обеспечение позволит сократить время на обработке изображения и его распознавания, что приведет к уменьшению времени работы специалистов и тем самым уменьшит затраты на оплату труда.
Исходными данными для программной подсистемы являются пары стереоизображений в графическом формате BMP. Для просмотра и редактирования изображений программная подсистема должна иметь отдельный модуль, который с помощью удобного интерфейса позволял бы пользователям выполнять эти операции.
Основная цель поиска сопряженных точек - найти смещение координат объекта на одном снимке относительно координат этого же объекта на другом снимке.
Основной модуль подсистемы — блок, отвечающий за анализ участков стереоизображений, т.е. заполнение структур данных информацией о графических файлах, определение значений яркостей изображения в нужных точках и вычисление значений функций, необходимых в расчетах.
Выходной продукцией поиска сопряженных точек являются файлы-отчеты с отметками смещений координат на стереопарах (поле диспарантности). Для удобства восприятия программная подсистема должна содержать средства графического представления этих отчетов.
После анализа результатов поиска принимается решение о возможности дальнейшего распространения этой информации или о необходимости коррекции сведений, находящихся в файлах-отчетах.
Из всего сказанного следует, что подсистема должна выполнять следующие основные операции:
• открытие и отображение пар стереоизображений;
• анализ внутренней информации файлов-изображений;
• представление данных изображений в виде, приемлемом для дальнейшего анализа;
• выделение объекта первого стереоизображения и поиск соответствующего ему участка на втором;
• отображение результата расчетов в графическом виде;
• создание файлов-отчетов с результатами анализа изображений.
Таким образом, для достижения поставленной в дипломном проекте цели, необходимо решить несколько основных задач.
Корреляционный алгоритм идентификации одноименных сюжетов
Коэффициент корреляции - это число, отражающее степень совпадения двух функций.
Классический способ идентификации точек на паре снимков состоит в том, что формируется величина, измеряющая корреляцию между различными точками, и находится положение максимума функции корреляции.
Известен алгоритм сравнения образов изображения с использованием коэффициента корреляции. Способов, которыми можно найти коэффициент корреляции достаточно много, но нас интересует следующий из-за своей простоты и надежности критериев соответствия:
где R- значение коэффициента корреляции в точке (a,b);
a-смещение точки по горизонтали;
b-смещение точки по вертикали;
g(x,y) - яркость текущей точки на левом снимке;
t(x+a, у+b) - яркость точки правого снимка со смещением;
К-ширина объекта поиска;
L - высота объекта поиска;
Корреляцию
К - ширина объекта поиска;
L - высота объекта поиска;
Алгоритм последовательной привязки
Существует алгоритм последовательной привязки изображений в котором вычисляется мера различия образов снимков
После обработки всех образов снимка, образ с наибольшей величиной оценки считается идентичным заданному.
Недостатком известных реализаций корреляционного и последовательного алгоритмов является то, что для обеспечения приемлемого быстродействия алгоритмов, приходится задавать приближенное положение нескольких идентичных точек на паре снимков. При автоматическом ориентировании пары снимков приближенное положение точек неизвестно. Поэтому в качестве области поиска используется все изображение правого снимка. При этом время обработки резко увеличивается. Использование этих алгоритмов для автоматического ориентирования, без модификации, нецелесообразно.
Автоматическую идентификацию начальных точек можно выполнять на основе корреляционного или последовательного алгоритма поиска.
Достоинством корреляционного алгоритма является наличие надежного критерия контроля результатов, а недостатком - низкая скорость работы. Последовательный алгоритм имеет высокую скорость работы, но не имеет надежного критерия отбраковки.
Предлагается использовать классический корреляционный алгоритм идентификации сюжетов. Последовательность действий следующая. Выполняется предварительное определение участка. Для найденной пары участков вычисляется коэффициент корреляции. По величине коэффициента корреляции делается заключение о правильность определения.
Алгоритм поиска одноименных сюжетов
В качестве исходных данных для программы выступают стереопары. Стереопара состоит из двух снимков некоторой области, расположенной на поверхности земли. Эти снимки имеют примерно 60% перекрытия. Стереопары поступают на вход в графическом формате BMP. Эти файлы имеют определенную структуру, описанную в заголовке.
Формат BMP файла
Среди множества различных форматов представления растровых изображений в дипломном проекте рассматривается формат BMP, используемый в MS Windows 3.0 и выше. Отличительная особенность данного формата состоит в том, что в нем используется RGB-схема смешения цветов с использованием одной битовой плоскости. RGB-цвет состоит из первичных красной, зеленой и синей составляющих, обычно используемых на устройствах, которые излучают свет (компьютерный монитор). Регулируя количество красного, зеленого и синего света, генерируется большое разнообразие цветов.