Алгоритм коррекции карты глубины изображения с учетом яркости точек и их удаленности от точки наблюдения

Цель. Моделирование головы человека является важной проблемой, возникающей в самых разных областях науки и техники. Существующие активные технологии реконструкции и моделирования исследуемого объекта требуют наличия дорогостоящего оборудования и подготовленного персонала. Метод. Альтернативой является использование пассивных методов, выполняющих обработку изображений с помощью специальных математически алгоритмов. Одним из таких методов является стереозрение, основанное на использовании парных снимков, сделанных одновременно с помощью нескольких, определенным образом, расположенных и откалиброванных камер. Однако общим недостатком методов стереозрения является возможность получения ошибочных карт глубины изображения из-за некачественных исходных снимков или неправильно установленных параметров камер и освещения. Результат. Разработаны процедуры, использующие дополнительные параметры точек изображения, с помощью которых можно проводить коррекцию карт глубины для исключения появления дефектов на них. Для достижения поставленной цели проведен анализ существующего математического обеспечения для обработки фото- и видеоматериалов; предложены методы подавления шумов на изображении, получения контура изображения, а также методика получения трехмерной матрицы объекта, основанная на изменении направленности освещения; апробирована работа алгоритма на тестовом примере. Вывод. Разрабатываемая методика должна улучшить качество карты глубины обрабатываемого изображения и, тем самым, сделать процедуры моделирования более эффективными.

1. Бацева Д.А. Пассивные технологии моделирования головы человека / Д.А. Бацева, Ю.С. Белов // Научное обозрение. Технические науки. 2017. № 2. С. 11-14.

2. Бацева Д.А. Активные технологии моделирования головы человека / Д.А. Бацева, Ю.С. Белов //Международный студенческий научный вестник. 2017. № 3. Режим доступа: https://www.eduherald.ru/ru/article/view?id=17296. (Дата обращения: 21.11.2017).

3. Форсайт Д. А. Компьютерное зрение: современный подход / Д. А. Форсайт, Ж. Понс. М.: Вильямс, 2004. 928 с.

4. Ульянов С.В. Разработка системы стереозрения для мобильного робота / С.В. Ульянов, А.Г. Решетников, К.В. Кошелев // Программные продукты и системы. 2017. Т. 3, № 30. С. 435-438.

5. Scharstein D. A taxonomy and evaluation of dense two-frame stereo correspondence algorithms / D. Scharstein, R. Szeliski // Int. Journal of Computer Vision. 2002. Vol. 47, No 1-3. pp. 7-42.

6. Вахитов А.Т. Обзор алгоритмов стереозрения / А.Т. Вахитов, Л.С. Гуревич, Д.В. Павленко // Стохастическая оптимизация в информатике. 2008. № 4. С. 151-169.

7. Котюжанский Л.А. Вычисление карты глубины стереоизображения на графическом процессоре в реальном времени / Л.А. Котюжанский // Фундаментальные исследования. 2012. № 6-2. С. 444-449.

8. Воронин В.В. Восстановление карты глубины на основе комбинированной обработки многоканального изображения/ В.В. Воронин // Современные проблемы науки и образования. 2014. № 6. Режим доступа: http://science-education.ru/ru/article/view?id=16360. (Дата обращения: 11.01.2019).

9. Ковалев О.Ф. Повышение качества карт глубины по дальности / О.Ф. Ковалев // Информационные системы и технологии: материалы международного научного конгресса. Минск, 2016. - Минск: Изд-во Белорусского государственного университета. 2016. С. 942-946.

10. Gordon G.G. Face Recognition Based on DepthMaps and Surface Curvature / G.G. Gordon // Proceedings of the SPIE, Geometric Methods in Computer Vision, 1991. Vol. 1570. pp. 108-110.

11. Фурман Я.А. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я.А. Фурман -М.: ФИЗМАТЛИТ. 2002. 592 с.

12. Новаковский С.В. Новые системы телевидения. Цифровые методы обработки видеосигналов / С.В. Новаковский - М.: Радио и связь. 1992. 88с.

13. Старовойтов В.В. Метрический базис цифровой обработки изображений / В.В. Старовойтов // Автоматизация обработки и распознавания изображений: сб. науч. тр. / Минск. 1995. С. 7-14.

14. Казанский Н.Л. Сравнение объекта и эталона по отклонению контуров / Н.Л. Казанский, Р.В. Хмелев // Компьютерная оптика. 2000. Вып. 20. С. 128-133.

15. Абламейко С.В. Выделение контуров объектов полутонового изображения на основе локальной бинаризации / С.В. Абламейко, Д.М. Лагуновский // Распознавание образов и анализ изображений: тез. докл. конф. Минск. 1993. С. 193195.

16. Абламейко С.В. Векторное представление границ объектов полутонового изображения и их обработка в высокопроизводительных системах: инструкт.-метод. материалы / С.В. Абламейко, М.А. Самошкин, А.Я. Кулешов. Минск: ИТК АНБ. 1993. 123 с.

17. Zhang Yu-Jin. Advances in Image and Video Segmentation / Yu-Jin Zhang. Hershey: IRM Press. 2006. 473 с.

18. Senthilkumaran N.A. Study on Edge Detection Methods for Image Segmentation / N.A. Senthilkumaran, R. Rajesh // Proceedings of the International Conference on Mathematics and Computer Science (ICMCS-2009). 2009. Vol. 1. pp. 255-259.

19. Буй Т.Т.Ч. Анализ методов выделения краев на цифровых изображениях / Т.Т.Ч. Буй, В.Г. Спицын // Доклады ТУ-СУР. 2010. № 2 (22), ч. 2. С. 221-223.

20. Chellappa R. Statistical Methods and Models for Video-Based Tracking, Modeling, and Recognition / R. Chellappa и [др.] // Foundations and Trends in Signal Processing. 2010. No. 1-2. pp. 128-151.

21. Reyad Y.A. Image Thresholding Using Split and Merge Techniques with Log-Normal Distribution / Y.A. Reyad, A. El-Zaart, H. Mathkour // Canadian Journal on Image Processing and Computer Vision. 2010. Vol.1, no.3. pp. 36-45.

22. Calderero F. Region Merging Techniques Using Information Theory Statistical Measures / F. Calderero, F. Marques // IEEE Transactions on Image Processing. 2010. Vol. 19, No. 6. pp. 1567-1586.