• 2020 (Том 34)

Том 33 №1

Содержание

  1. АНАЛИЗ ПРЕДПОЧТЕНИЙ ПОЛОВОГО ПАРТНЕРА У EURYDEMA ORNATA И E. OLERACEA В УСЛОВИЯХ СВОБОДНОГО ВЫБОРА
  2. ОПТИМАЛЬНАЯ АФФИННАЯ АППРОКСИМАЦИЯ ПРОЕКТИВНОГО ПРЕОБРАЗОВАНИЯ ИЗОБРАЖЕНИЙ
  3. РАСПОЗНАВАНИЕ ПРОЕКТИВНО ПРЕОБРАЗОВАННЫХ ПЛОСКИХ ФИГУР. XII. О НОВЫХ МЕТОДАХ ПРОЕКТИВНО ИНВАРИАНТНОГО ОПИСАНИЯ ОВАЛОВ В КОМПОЗИЦИИ С ЛИНЕЙНЫМ ЭЛЕМЕНТОМ ПЛОСКОСТИ
  4. СИСТЕМА ПОЗИЦИОНИРОВАНИЯ ВНУТРИ ЗДАНИЙ МОБИЛЬНОЙ РОБОТОТЕХНИЧЕСКОЙ ПЛАТФОРМЫ НА ОСНОВЕ ДЕТЕКЦИИ КРАЕВ
  5. РОБАСТНЫЙ КРИТЕРИЙ ПОИСКА ТОЧКИ СХОДА ПРОЕКЦИЙ ПРЯМОЛИНЕЙНЫХ ТРАЕКТОРИЙ ДВИЖЕНИЯ ДЕТЕКТИРОВАННЫХ В ВИДЕОПОТОКЕ ТРАНСПОРТНЫХ СРЕДСТВ
  6. СОПОСТАВЛЕНИЕ СНИМКОВ В РАДИО И ВИДИМОМ ДИАПАЗОНАХ ЧЕРЕЗ НЕЗАВИСИМУЮ ПРИВЯЗКУ К ВЕКТОРНОЙ КАРТЕ
  7. ПОВЫШЕНИЕ ВЫЧИСЛИТЕЛЬНОЙ ЭФФЕКТИВНОСТИ ПРОЕКТИВНОГО ПРЕОБРАЗОВАНИЯ ИЗОБРАЖЕНИЙ НА SIMD-АРХИТЕКТУРАХ
  8. СРАВНЕНИЕ КЛАССИФИЦИРУЮЩЕЙ И МЕТРИЧЕСКОЙ СВЁРТОЧНЫХ СЕТЕЙ НА ПРИМЕРЕ РАСПОЗНАВАНИЯ ПОЛЯ “ПОЛ” ПАСПОРТА ГРАЖДАНИНА РФ
  9. ОТРАЖЕНИЕ АКТИВНОСТИ СЕРДЦА В ЭЛЕКТРОЭНЦЕФАЛОГРАММЕ КОШЕК В ПЕРИОДЫ МЕДЛЕННОГО СНА
  10. ПОЛИСОМНОГРАФИЧЕСКОЕ ИССЛЕДОВАНИЕ ЦЕНТРАЛЬНОГО АПНОЭ СНА У КОШЕК

ОПТИМАЛЬНАЯ АФФИННАЯ АППРОКСИМАЦИЯ ПРОЕКТИВНОГО ПРЕОБРАЗОВАНИЯ ИЗОБРАЖЕНИЙ

© 2019 г. И. А. Коноваленко1,2, В. В. Кохан1, Д. П. Николаев1,2

1Институт проблем передачи информации им. А.А. Харкевича РАН, Москва, Россия
konovalenko@iitp.ru
2Smart Engines Ltd., Москва, Россия

Поступила в редакцию 06.09.2018 г.

Замена проективного преобразования существенно более простым аффинным преобразованием встречается во многих областях технического зрения. В то же время понятие точности аффинной аппроксимации проективного преобразования в литературе не формализуется. Это в свою очередь приводит к отсутствию постановок задач и теоретически обоснованных методов аффинной аппроксимации проективного преобразования. Настоящая работа направлена на заполнение этого пробела. Авторами предложено в качестве критериев точности аффинной аппроксимации проективного преобразования изображения использовать среднеквадратичную и максимальную поточечную невязку в координатах преобразованного изображения. На основе этих критериев сформулированы задачи поиска оптимальных аффинных аппроксимаций. Доказана выпуклость полученных задач оптимизации. Предложен метод использования оптимальных аффинных аппроксимаций для экономии вычислительных ресурсов при преобразовании изображений.

Ключевые слова: проективное преобразование, точность проективного преобразования, аффинная аппроксимация преобразований, линеаризация, выпуклый анализ

DOI: 10.1134/S0235009219010062

Цитирование для раздела "Список литературы": Коноваленко И. А., Кохан В. В., Николаев Д. П. Оптимальная аффинная аппроксимация проективного преобразования изображений. Сенсорные системы. 2019. Т. 33. № 1. С. 7-14. doi: 10.1134/S0235009219010062
Цитирование для раздела "References": Konovalenko I. A., Kokhan V. V., Nikolaev D. P. Optimalnaya affinnaya approksimatsiya proektivnogo preobrazovaniya izobrazhenii [Optimal affine approximation of image projective transformation]. Sensornye sistemy [Sensory systems]. 2019. V. 33(1). P. 7-14 (in Russian). doi: 10.1134/S0235009219010062

Список литературы:

  • Балицкий А.М., Савчик А.В., Гафаров Р.Ф., Коноваленко И.А. О проективно инвариантных точках овала с выделенной внешней прямой. Проблемы передачи информации. 2017. Т. 53. № 3. С. 84–89.
  • Березский О.Н., Березская К.М. Количественная оценка качества сегментации изображений на основе метрик. Управляющие системы и машины. 2015. № 6. С. 59–65.
  • Болотова Ю.А., Спицын В.Г., Осина П.М. Обзор алгоритмов детектирования текстовых областей на изображениях и видеозаписях. Компьютерная оптика. 2017. Т. 41. № 3.
  • Ефимов А.И., Новиков А.И. Алгоритм поэтапного уточнения проективного преобразования для совмещения изображений. Компьютерная оптика. 2016. Т. 40. № 2.
  • Коноваленко И.А., Шемякина Ю.А. Анализ величин ошибки при неточном проективном преобразовании четырехугольника. Информационные технологии и нанотехнологии. 2018. С. 1251–1260.
  • Николаев П.П. Проективно инвариантное описание неплоских гладких фигур. 1. Предварительный анализ задачи. Сенсорные системы. 2016. Т. 30. № 4. С. 290–311.
  • Притула Н.Е., Николаев П.П., Шешкус А.В. Сравнение двух алгоритмов проективно-инвариантного распознавания плоских замкнутых контуров с единственной вогнутостью. “Информационные технологии и системы”, Сборник трудов. 2014. С. 367–373.
  • Савчик А.В., Николаев П.П. Теорема о пересечении T-и H-поляр. Информационные процессы. 2016. Т. 16. № 4. С. 430–443.
  • Холопов И.С. Алгоритм коррекции проективных искажений при маловысотной съёмке. Компьютерная оптика. 2017. Т. 41. № 2.
  • Чернов Т.С., Ильин Д.А., Безматерных П.В., Фараджев И.А., Карпенко С.М. Исследование методов сегментации изображений текстовых блоков документов с помощью алгоритмов структурного анализа и машинного обучения. Вестник Российского фонда фундаментальных исследований. 2016. № 4. С. 55–71.
  • Шемякина Ю.А. Использование точек и прямых для вычисления проективного преобразования по двум изображениям плоского объекта. Информационные технологии и вычислительные системы. 2017. № 3. С. 79–91.
  • Шемякина Ю.А., Жуковский А.Е., Фараджев И.А. Исследование алгоритмов вычисления проективного преобразования в задаче наведения на планарный объект по особым точкам. Искусственный интеллект и принятие решений. 2017. № 1. С. 43–49.
  • Alter T. 3D pose from 3 corresponding points under weakperspective projection. Technical report, Massachusetts inst. of tech. cambridge artificial intelligence lab, 1992.
  • Aradhye H., Myers G. Method and apparatus for recognition of symbols in images of three-dimensional scenes, US Patent 7,738,706. 2010.
  • Baltzopoulos V. A videofluoroscopy method for optical distortion correction and measurement of knee-joint kinematics. Clinical Biomechanics. 1995. V. 10 (2). P. 85–92.
  • Chen H., Sukthankar R., Wallace G., Li K. Scalable alignment of large-format multi-projector displays using camera homography trees. Proceedings of the conference on Visualization’02. 2002. P. 339–346.
  • Darko P., Volker S., Leif K. Interactive image completion with perspective correction. The Visual Computer. 2006. V. 22 (9–11). P. 671–681.
  • Dong-Gyu S., Oh-Kyu K., Rae-Hong P. Object matching algorithms using robust hausdorff distance measures. IEEE Transactions on image processing. 1999. V. 8 (3). P. 425–429.
  • Dubuisson M., Jain A. A modified hausdorff distance for object matching. Proceedings of the 12th IAPR International Conference.1994. V. 1. P. 566–568.
  • Faugeras O. What can be seen in three dimensions with an uncalibrated stereo rig? European conference on computer vision. 1992. P. 563–578.
  • Fréchet M. Sur quelques points du calcul fonctionnel. Rendiconti del Circolo Matematico di Palermo (1884–1940). 1906. V. 22 (1). P. 1–72.
  • Gruen A. Adaptive least squares correlation: a powerful image matching technique. South African Journal of Photogrammetry, Remote Sensing and Cartography. 1985. V. 14 (3). P. 175–187.
  • Heckbert P. Fundamentals of texture mapping and image warping. 1989. UC Berkeley Master’s thesis. 86 p.
  • Hsu S., Sawhney H. Influence of global constraints and lens distortion on pose and appearance recovery from a purely rotating camera. Applications of Computer Vision, 1998. WACV’98. Proceedings., Fourth IEEE Workshop. 1998. P. 154–159.
  • Huang J., Singh A., Ahuja N. Single image super-resolution from transformed self-exemplars. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015. P. 5197–5206.
  • Huttenlocher D., Klanderman G., Rucklidge W. Comparing images using the hausdorff distance. IEEE Transactions on pattern analysis and machine intelligence. 1993. V. 15 (9). P. 850–863.
  • Jaccard P. Étude comparative de la distribution florale dans une portion des alpes et des jura. Bull Soc Vaudoise Sci Nat. 1901. V. 37. P. 547–579.
  • Jesorsky O., Kirchberg K.J., Frischholz R.W. Robust face detection using the hausdorff distance. International Conference on Audio-and Video-Based Biometric Person Authentication. 2001. P. 90–95.
  • Kadir T., Zisserman A., Brady M. An affine invariant salient region detector. European conference on computer vision. 2004. P. 228–241.
  • Karpenko S., Konovalenko I., Miller A., Miller B., Nikolaev D. UAV control on the basis of 3d landmark bearing-only observations. Sensors. 2015. V. 15 (12). P. 29802–29820.
  • Kutulakos K.N., Vallino J. Affine object representations for calibration-free augmented reality. Virtual Reality Annual International Symposium, 1996., Proceedings of the IEEE. 1996. P. 25–36.
  • Lorenz H., Döllner J. Real-time piecewise perspective projections. GRAPP. 2009. P. 147–155.
  • Mallon J., Whelan P.F. Projective rectification from the fundamental matrix. Image and Vision Computing. 2005. V. 23 (7). P. 643–650.
  • Mikolajczyk K., Schmid C. An affine invariant interest point detector. European conference on computer vision. 2002. P. 128–142.
  • Mikolajczyk K., Schmid C. Scale & affine invariant interest point detectors. International journal of computer vision. 2004. V. 60 (1). P. 63–86.
  • Morel J-M., Yu G. Asift: A new framework for fully affine invariant image comparison. SIAM journal on imaging sciences. 2009. V. 2 (2). P. 438–469.
  • Orrite C., Herrero J.E. Shape matching of partially occluded curves invariant under projective transformation. Computer Vision and Image Understanding. 2004. V. 93 (1). P. 34–64.
  • Povolotskiy M.A., Kuznetsova E.G., Khanipov T.M. Russian license plate segmentation based on dynamic time warping. 31st European Conference on Modelling and Simulation (ECMS). 2017. P. 285–291.
  • Skoryukina N., Chernov T., Bulatov K., Nikolaev D.P., Arlazarov V. Snapscreen: Tv-stream frame search with projectively distorted and noisy query. Ninth International Conference on Machine Vision. 2017. V. 10341. P. 103410Y.
  • Skoryukina N., Shemiakina J., Arlazarov V., Faradjev I. Document localization algorithms based on feature points and straight lines. Tenth International Conference on Machine Vision. 2018. V. 10696. P. 106961H.
  • Stein G.P. Lens distortion calibration using point correspondences. Computer Vision and Pattern Recognition. Proceedings. IEEE Computer Society Conference. 1997. P. 602–608.
  • Tu-ichi O., Kiyoshi M., Toshiyuki S. Obtaining surface orientation from texels under perspective projection. IJCAI. 1981. P. 746–751.
  • Wei H., Wang Y., Forman G., Zhu Y. Map matching by fréchet distance and global weight optimization. Technical Paper, Departement of Computer Science and Engineering. 2013. P. 19.
  • Zhukovsky A.E., Arlazarov V.V., Postnikov V.V., Krivtsov V.E. Segments graph-based approach for smartphone document capture. Eighth International Conference on Machine Vision . 2015. V. 9875. P. 98750P.
  • Zwicker M., Räsänen J., Botsch M., Dachsbacher C., Pauly M. Perspective accurate splatting. Proceedings of Graphics interface 2004. 2004. P. 247–254.