• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 32 №1

Содержание

  1. ИЗМЕНЧИВОСТЬ РАЗНЫХ ФУНКЦИОНАЛЬНЫХ ТИПОВ СИГНАЛОВ У AELIA ACUMINATA L. (HETEROPTERA, PENTATOMIDAE)
  2. РАЗМЕРЫ РЕЦЕПТИВНЫХ ПОЛЕЙ СПОНТАННО-АКТИВНЫХ ГАНГЛИОЗНЫХ КЛЕТОК СЕТЧАТКИ СЕРЕБРЯНОГО КАРАСЯ
  3. КОМПЛЕКСИРОВАНИЕ РАДИОЛОКАЦИОННЫХ ИЗОБРАЖЕНИЙ И ОПТИЧЕСКИХ СНИМКОВ В ВИДИМОМ И ТЕПЛОВОМ ДИАПАЗОНАХ С УЧЕТОМ РАЗЛИЧИЙ В ВОСПРИЯТИИ ЯРКОСТИ И ЦВЕТНОСТИ
  4. МОДЕЛИРОВАНИЕ ПРОЦЕССА НАВИГАЦИИ БЕСПИЛОТНОГО ЛЕТАТЕЛЬНОГО АППАРАТА С ИСПОЛЬЗОВАНИЕМ ДВУХ БОРТОВЫХ КАМЕР, СМЕЩЕННЫХ ПО ВЫСОТЕ
  5. ВИЗУАЛЬНАЯ ЛОКАЛИЗАЦИЯ АЭРОФОТОСНИМКОВ НА ВЕКТОРНОЙ КАРТЕ С ИСПОЛЬЗОВАНИЕМ ЦВЕТОТЕКСТУРНОЙ СЕГМЕНТАЦИИ
  6. СРАВНЕНИЕ ОЦИФРОВАННЫХ СТРАНИЦ ДЕЛОВЫХ ДОКУМЕНТОВ НА ОСНОВЕ РАСПОЗНАВАНИЯ
  7. АЛГОРИТМ ОПРЕДЕЛЕНИЯ ПОЛОЖЕНИЯ ПУЧКА ЭПИПОЛЯРНЫХ ЛИНИЙ ДЛЯ СЛУЧАЯ ПРЯМОЛИНЕЙНОГО ДВИЖЕНИЯ КАМЕРЫ
  8. СЕГМЕНТАЦИЯ РЕГИСТРАЦИОННЫХ НОМЕРОВ АВТОМОБИЛЕЙ С ПРИМЕНЕНИЕМ АЛГОРИТМА ДИНАМИЧЕСКОЙ ТРАНСФОРМАЦИИ ВРЕМЕННОЙ ОСИ
  9. УСТАНОВЛЕНИЕ СООТВЕТСТВИЯ МЕЖДУ ЗАМКНУТЫМИ КОНТУРАМИ ОБЪЕКТОВ ПРИ ПРОЕКТИВНЫХ ИСКАЖЕНИЯХ
  10. АЛГЕБРАИЧЕСКАЯ РЕКОНСТРУКЦИЯ АППАРАТНОЙ ФУНКЦИИ СМАЗАННОГО ИЗОБРАЖЕНИЯ ПО ЯРКОСТНЫМ ПРОФИЛЯМ ГРАНИЦ ОБЪЕКТОВ
  11. АЛГОРИТМ ВЗВЕШЕННОГО ПОИСКА ПРОЕКТИВНОГО ОПТИЧЕСКОГО ПОТОКА, УСТОЙЧИВЫЙ К БЛИКАМ
  12. АЛГЕБРАИЧЕСКИЕ МЕТОДЫ РЕКОНСТРУКЦИИ В ЗАДАЧАХ ТОМОГРАФИИ
  13. КОЛИЧЕСТВЕННЫЙ АНАЛИЗ ДВОЕНИЯ ОПТИЧЕСКОГО ИЗОБРАЖЕНИЯ ТОЧЕЧНОГО ИСТОЧНИКА СВЕТА ПРИ ПОДВОДНОМ СТЕРЕОЗРЕНИИ

АЛГОРИТМ ВЗВЕШЕННОГО ПОИСКА ПРОЕКТИВНОГО ОПТИЧЕСКОГО ПОТОКА, УСТОЙЧИВЫЙ К БЛИКАМ

© 2018 г. Д. А. Шепелев1, Е. И. Ершов1, А. А. Терешин2, Т. С. Чернов3, Д. П. Николаев1

1Институт проблем передачи информации им. А. А. Харкевича РАН 127051 Москва, Большой Каретный пер., 19
shepelev@visillect.com
2Институт системного анализа ФИЦ ИУ РАН 117312 Москва, проспект 60-летия Октября, 9
3ООО “Смарт Энджинс Сервис” 117312 Москва, проспект 60-летия Октября, 9

Поступила в редакцию 21.08.2017 г.

В работе предложен и исследован алгоритм взвешенного поиска проективного преобразования между изображениями документов, основанный на обобщенной версии алгоритма Лукаса-Канаде. Ключевым критерием при разработке метода являлась максимизация устойчивости результата сопоставления к наличию блика на изображении. Алгоритм позволяет учитывать неравнозначность вклада различных пикселей сопоставляемых изображений при вычислении целевого функционала. Помимо этого в работе исследуется влияние перехода из исходного цветового пространства изображения в подпространство, инвариантное к смене ракурса, в предположениях дихроматической модели отражения, на точность работы предложенного алгоритма. Для экспериментов был сформирован набор синтетических и реальных данных.

Ключевые слова: оптический поток, цвет, распознавание документов, Лукас-Канаде, блик, линейная модель формирования спектр-стимула, дихроматическая модель отражения света

DOI: 10.7868/S0235009218010110

Цитирование для раздела "Список литературы": Шепелев Д. А., Ершов Е. И., Терешин А. А., Чернов Т. С., Николаев Д. П. Алгоритм взвешенного поиска проективного оптического потока, устойчивый к бликам. Сенсорные системы. 2018. Т. 32. № 1. С. 73-82. doi: 10.7868/S0235009218010110
Цитирование для раздела "References": Shepelev D. A., Ershov E. I., Tereshin A. A., Chernov T. S., Nikolaev D. P. Algoritm vzveshennogo poiska proektivnogo opticheskogo potoka, ustoichivyi k blikam [Weighted search for a projective optical flow resistant to specular reflections]. Sensornye sistemy [Sensory systems]. 2018. V. 32(1). P. 73-82 (in Russian). doi: 10.7868/S0235009218010110

Список литературы:

  • Арлазаров В.В., Жуковский А.Е., Кривцов В.Е., Николаев Д.П., Полевой Д.В. Анализ особенностей использования стационарных и мобильных малоразмерных цифровых видеокамер для распознавания документов. Информационные технологии и вычислительные системы. 2014. № 3. С. 71–81.
  • Булатов К.Б., Ильин Д.А., Полевой Д.В., Чернышова Ю.С. Проблемы распознавания машиночитаемых зон с использованием малоформатных цифровых камермобильных устройств. Труды Института системного анализа Российской академии наук. 2015. Т. 65. № 3. С. 85–93.
  • Булатов К.Б., Кирсанов В.Ю., Арлазаров В.В., Николаев Д.П., Полевой Д.В. Методы интеграции результатов распознавания текстовых полей документов в видеопотоке мобильного устройства. Вестник Российского фонда фундаментальных исследований. 2016. Т. 92. № 4. С. 109–115.
  • Николаев П.П. Некоторые алгоритмы узнавания окраски поверхностей. Моделирование обучения и поведения. Под ред. Смирнова М.С. М.: Наука, 1975. С. 121–151.
  • Полевой Д.В., Булатов К.Б., Скорюкина Н.С., Чернов Т.С., Арлазаров В.В., Шешкус А.В. Ключевые аспекты распознавания документов с использованием малоразмерных цифровых камер. Вестник Российского фонда фундаментальных исследований. 2016. Т. 92. № 4. С. 97–108.
  • Шепелев Д.А., Терешин А.А., Николаев П.П., Ершов Е.И. О проблемах сопоставления пикселей стереопары с точки зрения линейной модели формирования цветного изображения. Сенсорные системы. 2017. Т. 31. № 2. С. 150–160.
  • Baker S., Matthews I. Lucas-Kanade 20 Years On: A Unifying Framework. Int. J. Comput. Vision. 2004. V. 56 (3). P. 221–255.
  • Buades A., Lisani J.-L., Miladinovic M. Patch-Based Video Denoising With Optical Flow Estimation. IEEE Transactions on Image Processing. 2016. V. 25(6). P. 2573–2586.
  • Burie J.-C., Chazalon J., Coustaty M., Eskenazi S., Luqman M.M., Mehri M., Nayef N., Ogier J.-M., Prum S., Rusinol M. ICDAR2015 competition on smartphone document capture and OCR (SmartDoc). 2015 13th International Conference on Document Analysis and Recognition (ICDAR). 2015. P. 1161–1165.
  • Konovalenko I., Miller A., Miller B., Nikolaev D. UAV navigation on the basis of the feature points detection on underlying surface. Proceedings of the 29th European Conference on Modeling and Simulation (ECMS 2015). 2015. P. 499–505.
  • Lin S., Li Yu., Kang S.B., Tong X., Shum H.-Ye. DiffuseSpecular Separation and Depth Recovery from Image Sequences. European conference on computer vision. 2002. P. 210–224.
  • Popov A., Miller B., Miller A., Stepanyan K. Optical Flow as a Navigation Means for UAVs with Optoelectronic Cameras. In Proceedings of 56th Israel Annual Conference on Aerospace Sciences. 2016. P. 9–10.
  • Shafer S.A. Using color to separate reflection components. Color Research Appl. 1985. V. 10 (4). P. 210–218.
  • Valentín K., Wild P., Stolc S., Daubner F., Clabian M. Optical benchmarking of security document readers for automated border control. In SPIE Security+ Defence. 2016. P. 999502–999502.
  • Yang Q., Wang S., Ahuja N., Yang R.A. Uniform Framework for Estimating Illumination Chromaticity, Correspondence, and Specular Reflection. IEEE Transactions on Image Processing. 2011. V. 20 (1). P. 53–63.
  • Zhou W., Kambhamettu C. Binocular Stereo Dense Matching in the Presence of Specular Reflections. 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06). 2006. P. 2363–2370.
  • Zickler T., Mallick S.P., Kriegman D.J., Belhumeur P.N. Color Subspaces as Photometric Invariants. International Journal of Computer Vision. 2008. V. 79 (1). P. 13–30.