Разработка методики проективного совмещения телевизионных изображений многокамерных систем технического зрения тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Диязитдинова Альфия Асхатовна

• Диязитдинова Альфия Асхатовна
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Диязитдинова Альфия Асхатовна

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР МЕТОДОВ И АЛГОРИТМОВ СОВМЕЩЕНИЯ

ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ

1.1 Многокамерная система технического зрения

1.2 Обоснование выбора математической модели для совмещения телевизионных изображений многокамерной системы технического зрения

1.3 Математическая модель проективного преобразования

1.4 Оценка параметров проективного преобразования по методу наименьших квадратов

1.5 Модели совмещения

1.5.1 Модель плоскопараллельного смещения

1.5.2 Модель поворота изображений

1.5.3 Модель плоскопараллельного смещения и поворота

1.5.4 Модель подобия

1.5.5 Модель проективного преобразования

1.6 Выводы по главе

ГЛАВА 2. МЕТОДИКА ПРОЕКТИВНОГО СОВМЕЩЕНИЯ

ИЗОБРАЖЕНИЙ

2.1 Идея методики совмещения

2.2 Оценка времени обработки изображений по методу полного перебора

2.3 Сокращение времени обработки за счет геометрических ограничений

2.4 Проблема неверного совмещения изображения при верном сопоставлении опорных точек

2.5 Критерий проверки гипотез

2.6 Методика проективного совмещения телевизионных изображений

2.7 Выводы по главе

ГЛАВА 3. МЕТОДИКА ПРОЕКТИВНОГО СОВМЕЩЕНИЯ

ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ С ПРЕДВАРИТЕЛЬНЫМ

СОПОСТАВЛЕНИЕМ ОСОБЫХ ТОЧЕК

3.1 Сокращение количества гипотез на основании предварительного сопоставления особых точек

3.2 Логарифмически-полярное представление для сравнения изображений

3.3 Процедура формирования телевизионных изображений в логарифмически-полярном представлении

3.4 Проверка предварительного сопоставления особых точек изображений, полученных в ходе натурной съемки

3.5 Методика проективного совмещения телевизионных изображений с предварительным сопоставлением особых точек

3.6 Выводы по главе

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА РАЗРАБОТАННЫХ

АЛГОРИТМОВ ПРОЕКТИВНОГО СОВМЕЩЕНИЯ

4.1 Исходные данные для экспериментальной проверки

4.2 Разработанные алгоритмы проективного совмещения

4.3 Оценка времени обработки данных

4.4 Результаты совмещения

4.5 Сравнение разработанного и ранее существующих алгоритмов проективного совмещения

4.6 Использование разработанных методик для реализации измерений в железнодорожном диагностическом комплексе

4.7 Использование разработанных методик в учебном процессе

4.8 Выводы по главе

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

Введение диссертации (часть автореферата) на тему «Разработка методики проективного совмещения телевизионных изображений многокамерных систем технического зрения»

ВВЕДЕНИЕ

Актуальность темы. Многокамерные системы технического зрения представляют собой совокупность двух и более камер, поля зрения которых имеют полное или частичное перекрытие. Съемка различными камерами проводится синхронно для обеспечения возможности обработки телевизионных изображений, снятых в одно и то же время. Преимущество многокамерных систем технического зрения перед однокамерными и многокамерными системами, работающими несинхронно, обеспечивается возможностью совмещения телевизионных изображений, снятых различными камерами. Камеры могут отличаться своим фокусным расстоянием, что обеспечивает съемку с различным масштабом. Эта техническая особенность расширяет функциональные возможности систем видеонаблюдения.

Развитие многокамерных систем технического зрения является перспективным направлением в современной науке и промышленной технике. Совместное использование систем видео аналитики позволяет упростить работу оператору и сократить время обработки данных при решении таких задач, как расширение поля зрения для исключения «слепых зон» и повышение разрешающей способности изображения для детального рассмотрения отдельных фрагментов видеокадра. Без использования многокамерных систем технического зрения оператору необходимо просматривать два и более монитора, чтобы решить эти задачи. Другим примером перспективного использования многокамерных систем технического зрения является расширение функциональных возможностей бесконтактных систем измерения вагонов-лабораторий, используемых для оценки состояния железнодорожного пути. В частности, использование многокамерной системы вместо однокамерной позволяет уменьшить вероятность неверного распознавания объекта контроля (головки рельса) при измерении микрорельефа, что повышает надежность работы системы и увеличивает точность измерений. Это достигается благодаря тому, что многокамерная система проводит съемку объекта контроля с различным разрешением: более низкое разрешение определяет об-

ласть интереса, более высокое разрешение в области интереса обеспечивает высокоточное измерение поверхности объекта контроля.

Для оценки параметров совмещения телевизионных изображений в системах, ориентированных на промышленное применение, используется специальная процедура настройки. Для процедуры настройки используется тест-объект (примечание: очень часто используется тест-объект в виде шахматной доски), у которого можно выделить реперные точки. На основании координат реперных точек рассчитываются параметры совмещения.

Использование тест-объектов позволяет минимизировать вероятность неверной оценки параметров, которая возникает из-за неверной оценки координат реперных точек и из-за неверного сопоставления реперных точек.

В ряде случаев использование тест-объектов невозможно. Пример №1: для многокамерной системы, установленной на высотном здании, размещение тест-объекта в поле зрения камер является трудно выполнимой и дорогостоящей процедурой. Пример №2: для многокамерной системы, настроенной в лабораторных условиях и введенной в эксплуатацию, выход из строя какой-либо камеры требует демонтажа и повторной настройки, что является затратной по времени и дорогостоящей процедурой.

В таких случаях единственным возможным способом оценки параметров совмещения является обработка телевизионных изображений, полученных в результате натурной съемки. Однако в отличие от тест-объектов подобные изображения не содержат в явном виде реперных точек, по которым можно оценивать параметры совмещения.

В соответствии с вышесказанным, актуальной проблемой является повышение качества совмещения телевизионных изображений многокамерной системы технического зрения, полученных в результате натурной съемки.

Степень разработанности темы исследования. Теоретическими и практическими вопросам совмещения телевизионных изображений по данным натурной съемки посвящены работы российских ученых: Сойфера В.А., Мясникова Е.В., Ташлинского А.Г., Сафиной Г.Л., Гошина Е.В., Новикова

А.И., Ефимова А.И. и др., и зарубежных ученых: Lucas B.D., Kanade T., Canny J., Duda R.O., Hart P.E., Kuglin C.D., Wolberg G., Reddy B.S., Fleet D.J., Hidetoshi M. и др.

Для совмещения изображений, мало отличающихся по масштабу, применяются методики сравнения достаточно крупных фрагментов на основе максимума коэффициента корреляции. Результаты сопоставления фрагментов используются для расчета параметров модели совмещения.

Для совмещения изображений, на которых можно выделить прямые линии, используются методики, в которых вычисляются точки пересечения прямых линий, и затем по ним рассчитываются параметры совмещения.

Для совмещения разномасштабных изображений используются «универсальные» методики, которые позволяют сопоставить особые точки, сравнивая фрагменты в окрестности особых точек.

Существующие методики на совмещение изображений, обладающих определенными особенностями (например, приблизительно одинаковый масштаб, наличие прямых линий) не могут быть применены для совмещения изображений, которые не имеют этих особенностей. А результат совмещения «универсальных» методик сильно зависит от правильности сопоставления особых точек, так как даже одно неверное сопоставление ведет к существенному снижению качества совмещения.

Проведенный анализ степени разработанности темы исследования показал, что проблема совмещения изображений, полученных в ходе натурной съемки, требует дальнейших исследований.

Объектом исследования являются изображения, описываемые проективной моделью.

Предметом исследования является оценка достоверности совмещения телевизионных изображений многокамерной системы технического зрения.

Целью диссертационной работы является разработка методики проективного совмещения телевизионных изображений многокамерных систем технического зрения, полученных в результате натурной съемки.

Основные задачи, решаемые в диссертационной работе для достижения поставленной цели:

1 . Анализ существующих методов и алгоритмов совмещения телевизионных изображений.

2. Разработка методики сопоставления особых точек для совмещения телевизионных изображений с оценкой достоверности результата совмещения.

3. Разработка методики и алгоритма совмещения телевизионных изображений по данным, полученным в результате натурной съемки.

4. Проведение численного моделирования и экспериментальной проверки разработанного алгоритма совмещения.

Научная новизна. В рамках диссертационной работы получены следующие новые научные результаты:

1. Предложена методика сопоставления особых точек для совмещения телевизионных изображений, связанных проективной моделью, отличающаяся от ранее разработанных методик введением этапа оценки достоверности совмещения.

2. Предложена методика совмещения телевизионных изображений многокамерной системы технического зрения, отличающаяся от ранее разработанных методик введением этапа выбора особых точек, которые могут быть использованы для сопоставления, и отличающаяся высокой достоверностью совмещения на основании данных, полученных в ходе натурной съемки.

3. Предложена методика совмещения телевизионных изображений многокамерной системы технического зрения, отличающаяся от большинства ранее разработанных методик тем, что для совмещения используются не фрагменты, а полноразмерные изображения с различными пространственными характеристиками видеосъемки.

4. Предложен критерий оценки качества совмещения телевизионных изображений многокамерной системы технического зрения, основанный на

вычислении коэффициента корреляции первого и второго (преобразованного) изображений.

Теоретическая значимость диссертационной работы заключается в разработке:

- методики совмещения телевизионных сигналов, включающей этап выбора особых точек для расчета параметров совмещения, этап проверки геометрических ограничений для повышения скорости обработки и этап оценки достоверности совмещения;

- стратегии выбора пар особых точек на совмещаемых изображениях, потенциально соответствующих друг другу, на основе корреляционного анализа фрагментов изображений в логарифмически-полярном представлении;

- стратегии формирования гипотез с учетом геометрических ограничений на положение особых точек для оценки параметров совмещения изображений.

Разработанные стратегии позволяют уменьшить количество проверяемых гипотез для оценки параметров совмещения, что обеспечивает увеличение скорости обработки.

Полученные результаты будут способствовать развитию теории совмещения телевизионных изображений и теории оценивания качества совмещения.

Практическая значимость.

1. Разработано программное обеспечение, позволяющее в автоматическом режиме совмещать изображения многокамерной системы технического зрения по данным натурной съемки.

2. Разработано программное обеспечение для проведения численного моделирования для определения качества совмещения в зависимости от отношения сигнал/шум.

3. Разработано программное обеспечение для совмещения данных многокамерной системы технического зрения вагона-путеизмерителя для контроля контактных проводов.

Реализация результатов работы. Результаты работы использованы в

АО ПНЦ ИНФОТРАНС (г. Самара), в ООО «Проектные технологии» (г.

8

Москва), а также в учебном процессе кафедры информационных систем и технологий ПГУТИ. Реализация результатов работы подтверждена соответствующими актами.

Методы исследования. В диссертационной работе использовались методы математической статистики, теории вероятностей, статистической теории радиотехники и связи, корреляционного анализа. Для проведения численного моделирования и разработки программного обеспечения использовался пакет прикладных программ Matlab и библиотеки обработки изображений OpenCV.

Основные положения, выносимые на защиту:

1. Показано, что методика сопоставления особых точек для совмещения телевизионных изображений, описываемых проективной моделью, характеризующаяся тем, что вводится этап оценки достоверности совмещения, обеспечивает высокое качество совмещения изображений.

2. Показано, что методика совмещения телевизионных сигналов многокамерной системы технического зрения, в реализацию которой вводятся этапы выбора особых точек и этапы оценки достоверности совмещения, обеспечивает высокое качество совмещения в автоматическом режиме за приемлемое для практического использования время.

3. Показано, что алгоритм, реализующий методику, обладает улучшенными характеристиками по сравнению с существующими методиками совмещения (с дескриптором SIFT, с предварительным распознаванием прямых линий, с использованием замкнутого контура, с двухэтапным формированием пространственного преобразования).

4. Показано, что разработанный алгоритм совмещения обеспечивает достоверное совмещение изображений при отношении сигнал/шум более 5.

Достоверность и обоснованность основных результатов диссертационного исследования по указанным положениям обеспечивается выбором методов статистической теории оценивания, методов численного моделирования, а также подтверждением теоретических результатов натурными экспериментами.

Апробация работы. Основные результаты диссертационной работы доложены и обсуждены на следующих конференциях и семинарах: XXVII, XXVIII, XXIX Российская научная конференция профессорско-преподавательского состава, научных сотрудников и аспирантов (Самара, 2020-2022 гг.), X Российская научно-методическая конференция профессорско-преподавательского состава, научных сотрудников и аспирантов (Самара, 2022 г.), XXII, XXIII Международная научная конференция «Проблемы техники и технологий телекоммуникаций» (Самара, 2020-2021 гг.), XVIII, XIX Международная научная конференция «Оптические технологии в телекоммуникациях» (Самара, 2020-2021 гг.), Всероссийская техническая конференция «Автоматизированные системы управления и информационные технологии (АСУИТ-2021)» (Пермь, 2021 г.), VII Международная научно-практическая очно-заочная конференция «Проблемы и перспективы внедрения инновационных телекоммуникационных технологий» (Оренбург, 2021 г.), XI Международная научно-техническая и научно-методическая конференция «Актуальные проблемы инфотелекоммуникаций в науке и образовании» (Санкт-Петербург, 2022 г.), VIII Международная конференция и молодежная школа «Информационные технологии и нанотехнологии» (Самара, 2022 г.).

Публикации по теме. По теме диссертации опубликовано 24 печатных работы, в том числе 3 печатные публикации в изданиях, рекомендованных ВАК, а также 3 авторских свидетельства о государственной регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 120 страницах машинописного текста, списка использованных источников из 122 наименований и 3 приложений на 12 страницах. Работа содержит 50 рисунков и 4 таблицы. Общий объем диссертации 132 страницы.

Личный вклад автора. Автором проведен обширный анализ существующих методик для решения задачи совмещения телевизионных изображений, предложены оригинальные методики и разработаны алгоритмы обра-

ботки, проведено численное моделирование и натурные испытания для проверки разработанных алгоритмов.

Соответствие паспорту специальности. Диссертационное исследование соответствует п. 6 «Разработка и исследование методов моделирования радиотехнических устройств и систем, включая системы цифрового телевидения высокой, сверхвысокой, ультравысокой четкости и других форматов, для телевизионного вещания и специальных применений», п.11 «Разработка информационных технологий, в том числе цифровых, а также с использованием нейронных сетей для распознавания сигналов, изображений и речи в интеллектуальных радиотехнических, робототехнических системах технического зрения» и п. 14 «Разработка и исследование методов моделирования радиотехнических устройств и систем, включая системы цифрового телевидения высокой, сверхвысокой, ультравысокой четкости и других форматов, для телевизионного вещания и специальных применений» паспорта специальности 2.2.13 - «Радиотехника, в том числе системы и устройства телевидения».

Тема диссертации соответствует отрасли технических наук.

Краткое содержание работы. Во введении объясняется актуальность диссертационной работы, цель, основные задачи, научная новизна, практическая и теоретическая значимость, основные положения, выносимые на защиту.

В первой главе представлены материалы, посвященные моделям для совмещения, обоснованию модели совмещения для рассматриваемых телевизионных изображений, способам оценки параметров преобразования, а также существующим методикам и алгоритмам совмещения, которые могут быть использованы для оценки параметров проективного преобразования.

Во второй главе представлена методика проективного совмещения изображений, основанная на проверке гипотез, которые определяются четырьмя особыми точками, выбранными в соответствии с разработанными

геометрическими ограничениями, чтобы решение задачи было найдено за приемлемое для практического использования время.

В третьей главе представлена усовершенствованная версия методики, включающая этап предварительного сопоставления опорных точек на основе логарифмически-полярной системы координат и позволяющая уменьшить время обработки по сравнению с первоначальной методикой.

В четвертой главе представлены материалы, посвященные разработанному программному обеспечению и экспериментальной проверке разработанных алгоритмов.

ГЛАВА 1. ОБЗОР МЕТОДОВ И АЛГОРИТМОВ СОВМЕЩЕНИЯ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ

В данной главе представлены материалы, посвященные описанию обоснования выбора модели для совмещения, математической модели проективного преобразования, способам оценки параметров преобразования для совмещения телевизионных изображений, а также существующим методикам и алгоритмам совмещения, которые могут быть использованы для оценки параметров проективного преобразования.

1.1 Многокамерная система технического зрения

Многокамерная система технического зрения - это разновидность систем технического зрения, которая включает в себя несколько камер, ведущих синхронную съемку.

Получение информации ведется с одинаковой частотой, и моменты записи изображений определяются синхросигналом.

В кадре данных содержится идентификатор (как правило, временная метка), который позволяет сопоставлять изображения, полученные в одно и то же время разными камерами.

Такая техническая особенность позволяет расширить функциональные возможности систем видеонаблюдения.

Многокамерные системы с объективами с различными фокусными расстояниями применяются при изготовлении современных смартфонов для обеспечения съемки с оптическим масштабированием.

Например, iPhone 11 оснащен сверхширокоугольной камерой с фокусным расстоянием 13 мм, широкоугольной камерой 26 мм и длиннофокусной камерой 52 мм [1].

Высокое качество съемки фотографий в подобных устройствах достигается за счет переключения изображений, получаемых от различных камер.

13

Получение промежуточных масштабов достигается за счет обработки изображений.

Многокамерные системы с объективами с различными фокусными расстояниями применяются при изготовлении медицинского оборудования (AUTOPLAN, Самарский государственный медицинский университет [2]) для уменьшения погрешности оценки трехмерных координат (примечание: погрешность оценки возрастает приблизительно пропорционально корню квадратному из расстояния, и применение длиннофокусных объективов позволяет уменьшить погрешности оценки в так называемом «дальнем поле зрения» до 0,5 мм по СКО [2]).

Примеры изображений системы AUTOPLAN представлены на рис. 1.1.

Многокамерные системы используются на бортах летательных аппаратов, где совмещение изображений позволяет восстановить информацию и повысить безопасность при посадке летательного аппарата [3] (рис. 1.2).

Рисунок 1.1 - Пример изображений, получаемых в медицинском

оборудовании AUTOPLAN

в)

Рисунок 1.2 - Совмещение изображений подстилающей поверхности: а) изображение телевизионной системы, б) изображение тепловизионной системы, в) результаты совмещения

Расширение функциональных возможностей в подобных системах возможно только при правильном совмещении телевизионных изображений.

В последние десятилетия технология многокамерных систем технического зрения постепенно стала применяться при проектировании систем видеонаблюдения, интегрированных с системами видеоаналитики.

В настоящее время широко применяются два вида многокамерных систем технического зрения:

- система с камерами, установленными вдоль всего периметра зоны наблюдения, чтобы отсутствовали «слепые зоны» (рис. 1.3) [4];

- система с камерами с объективами с различными фокусными расстояниями, снимающие одну и ту же область наблюдения (рис. 1.4) [4].

В обоих случаях камеры устанавливаются таким образом, чтобы изображения имели перекрытия. Это позволяет формировать расширенное изображение путем совмещения изображений камер.

Примеры изображений, получаемых в многокамерных системах технического зрения, представлены на рис. 1.3 и 1.4.

Рисунок 1.3 - Система периметра наблюдения

Рисунок 1.4 - Съемка камерами с объективами с различным фокусным расстоянием

В первом случае система позволяет расширить обзор за периметром наблюдения за счет совмещения телевизионных сигналов.

Во втором случае система позволяет увеличить разрешение выделенной области изображения, не теряя информации об общей обстановке, находящейся под контролем системы видеонаблюдения.

Разнообразие систем технического зрения ставит вопрос выбора математической модели, которую целесообразно использовать для совмещения телевизионных изображений многокамерной системы технического зрения.

1.2 Обоснование выбора математической модели для совмещения телевизионных изображений многокамерной системы технического зрения

Для описания совмещения телевизионных изображений многокамерной системы технического зрения наиболее подходящей моделью является проективное преобразование (в русскоязычной литературе также используется термин «преобразование перспективы», в англоязычной литературе -«homography transformation») [3, 5-9].

Выбор в пользу математической модели проективного преобразования основывается на том, что в рассматриваемых системах камеры могут быть установлены таким образом, что их оптические оси образуют угол, отличный от нуля. Такое расположение камер приводит к следующему эффекту: если выбрать прямоугольную область на изображении первой камеры и сопоставить ей область изображения второй камеры, то геометрическая форма этой области будет представлять собой четырехугольник, отличный от прямоугольника.

Именно такого рода трансформации позволяют описывать проективное преобразование: прямые линии переходят в прямые линии, но параллельные линии могут становиться не параллельными.

Таким свойством не обладают более простые модели преобразования. Использование более простых моделей (например, аффинного преобразования) не обеспечивает достаточно точного совмещения телевизионных изображений [6, 9].

Использование более сложных моделей преобразования (например,

эластичного преобразования [10], которое используется для географической

17

привязки двух карт местности, измеренных различными устройствами) является избыточным. Использование такого рода моделей ведет к усложнению методики обработки, но результаты совмещения будут очень близки к результатам совмещения как с помощью проективной модели.

Ниже представлены изображения двухкамерной системы технического зрения. На рис. 1.5 на изображении отмечено четыре реперные точки. Эти точки соответствуют одним и тем же фрагментам изображений. Эти точки можно использовать для расчета параметров совмещения для аффинной и проективной модели (примечание: для аффинной модели необходимо не менее трех точек, для проективной - не менее четырех).

Рисунок 1.5 - Анализируемые изображения с реперными точками для аффинного и проективного преобразования

Аффинная модель описывается выражением:

х' = Ах + Ву + С, у' = Бх + Еу + ^ (1.1)

где А, В, .. F - это параметры аффинного преобразования. Проективная модель описывается выражением:

Кх + К2У + Кз < Ь21х + к22у + к2Ъ

х =

У

(1.2)

к31х + к32у +1 К\Х + КоУ +1

где Ип, Н12, ..., Н32 - это параметры проективного преобразования.

На рис. 1.6 на изображении отмечено множество реперных точек для совмещения согласно эластичному преобразованию.

Рисунок 1.6 - Анализируемые изображения с реперными точками для эластичного преобразования

Эластичное преобразование не описывается простейшими уравнениями, как аффинная или проективная модель. Изображение разбивается на

19

фрагменты (в простейшем случае прямоугольной сеткой) и каждый фрагмент совмещается по реперным точкам, находящимся внутри фрагмента. Параметры совмещения определяются полиномом второго или более высокого порядка.

На рис. 1.7 показаны результаты совмещения.

Рисунок 1.7 - Результаты совмещения согласно аффинной модели (а), проективной модели (б) и модели эластичного преобразования (в)

Как можно видеть из рис. 1.7, аффинная модель формирует заметные искажения (на рис. 1.7а фрагменты с искажениями выделены красными овалами), а проективная и эластичная модели обеспечивают корректное совмещение.

Исходя из полученных результатов, было принято решение, что для совмещения телевизионных изображений многокамерной системы технического зрения будет использоваться проективная модель преобразования.

С одной стороны, она достаточно точно описывает реальные преобразования, а с другой стороны она является достаточно простой (параметрическая модель с 8 коэффициентами), что позволит упростить методику и алгоритм совмещения.

1.3 Математическая модель проективного преобразования

На рис. 1.8 представлена графическая иллюстрация проективного преобразования из системы координат ХУ в систему координат Х'У'.

На рис. 1.8 точка «1» преобразовывается в точку «1'», точка «2» преобразуется в точку « 2'» и т.д.

Координаты точек связаны между собой математической моделью согласно формуле (1.2).

Для вывода уравнения для оценивания параметров И11, И12, ..., И32 преобразуем уравнение (1.2):

(1.3)

(1.4)

х'(к31 • х + НЪ2 • у +1) = кп • х + \2 • у + И^;

У'(И31 • х + Из2 • У + 1) = И21 • Х + И22 • У + И23 *

После раскрытия скобок и переноса всех слагаемых с оцениваемыми параметрами в левую сторону можно записать следующее уравнение:

• х + И2 • У + Из - И31 • х • Х - И32 • у • х' = х';

И21 • х + И22 • У + И23 - И31 • х • У - И32 • У • У = У *

В уравнении (1.4) присутствует восемь неизвестных, которые связаны друг с другом линейным образом.

Соответственно, для оценки неизвестных параметров И11, И12, ..., И32 необходимо составить систему из 8 уравнений. Для этой цели достаточно иметь четыре точки в системе координат Х'Г' (примечание: каждая точка имеет две координаты, соответственно 4 х 2 = 8 уравнений).

Введем обозначения:

- (х1,у1), (х2,у2), (х3,у3), (х4,у4) - координаты точек в системе координат

ХГ.

- (х'1,у,1), (х'2,у'2), (х'3,у'3), (х'4,у'4) - координаты точек в системе координат Х'Г' после проективного преобразования И11, И12, ..., И32.

Список литературы диссертационного исследования кандидат наук Диязитдинова Альфия Асхатовна, 2024 год

ЛИТЕРАТУРА

1. Зачем в Айфоне 3 камеры: для чего нужна каждая и как переключаться [Электронный ресурс] / Режим доступа: https://yablyk.com/882782-why-does-an-iphone-have-multiple-cameras/ (дата обращения: 20.12. 2021).

2. Система хирургической навигации [Электронный ресурс] / Режим доступа: https://autoplan.surgery/ (дата обращения 20.12.2021).

3. Новиков, А.И. Модели и методы совмещения 2D и 3D изображений в системах технического зрения авиационного применения: дис. ... докт. техн. наук по специальности 05.13.17 - Теоретические основы информатики. Рязань, 2018. 332 с.

4. Многокамерное видеонаблюдение. Что это такое? [Электронный ресурс] / Режим доступа: https://www.powervideo.ru/blog/mnogokamernoe-videonablyudenie.-chto-eto-takoe.html (дата обращения 20.12.2021).

5. Прэтт, У. Цифровая обработка изображений: пер. с англ. / У. Прэтт. -М.: Мир, 1982. - 790 с.

6. Форсайт, Д. Компьютерное зрение. Современный подход / Д. Форсайт, Ж. Понс. - М.: Вильямс, 2004. - 928 с.

7. Гонсалес, Р. Цифровая обработка изображений: пер. с англ. / Р. Гон-салес, Р. Вудс. - М.: Техносфера, 2005. - 1070 с.

8. Анисимов, Б.В. Распознавание и цифровая обработка изображений / Б.В. Анисимов, В.Д. Курганов, В.К. Злобин. - М.: Высшая школа, 1983. -295с.

9. Методы компьютерной обработки изображений: под ред. В.А. Сой-фера. - М.: Физматлит, 2001. - 784 с.

10. Эластичное преобразование двух карт [Электронный ресурс] / Режим доступа: https://knowledge.autodesk.com/ru/support/autocad-map-3d/learn-explore/caas/QoudHelp/cloudhelp/2017/RUS/MAP3D-Use/files/GUID-6FBF8243-71ED-4064-978F-5C52474BA741-htm.html (дата обращения: 20.12.2021).

11. Гмурман, В.Е. Руководство к решению задач по теории вероятностей и математической статистике / В.Е. Гмурман. - М.: Высшая школа, 2004. - 404 с.

12. Крашенинников, В.Р. Основы теории обработки изображений: учеб. пособие / В.Р. Крашенинников. - Ульяновск: УлГТУ, 2003. - 150 с.

13. Васильев, Д.В. Исследование адаптивного корреляционного измерителя скорости с применением математического моделирования / Д.В. Васильев, С.А. Денисов, С.А. Серебряков // Вестник МЭИ. - 1995. - №2. - С. 918.

14. Аггравал, Дж.К. Методы установления соответствия при анализе динамических сцен / Дж.К. Аггравал, Л.С. Дейвис, У.Н. Мартин // ТИИЭР. -1981. -Т. 69. -№ 5. -С. 77-90.

15. Аггравал, Дж.К. Определение параметров движения по последовательности изображений. Обзор / Дж.К. Аггравал, Н. Нандакумар // ТИИЭР. -1988. - Т.76. - № 8. - С. 69-90.

16. Андросов, В.А. Совмещение изображений в условиях неопределенности / В.А. Андросов, Ю.И. Бойко, А.М. Бочкарев, А.П. Однорог // Зарубежная радиоэлектроника. - 1985. - № 4. - С. 32-41.

17. Мясников, Е.В. Определение параметров геометрических трансформаций для совмещения портретных изображений / Е.В. Мясников // Компьютерная оптика. - 2007. - №31(3). - С. 77-82.

18. Reddy, B.S. An FFT-based technique for translation, rotation, and scale-invariant image registration / B.S. Reddy, B.N. Chatterji // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1996. - No.5(8). - P. 1266-1270.

19. Wolberg, G. Robust image registration using log-polar transform / G. Wolberg, S. Zokai // Processing IEEE International Conference on Image Processing. - 2000. - No.1. - P. 493-496.

20. Kuglin, C.D. The phase correlation image alignment method / C.D. Ku-glin, D.S. Hines // Processing International Conference on Cybernetics and Society. - 1975. - No.1. - P.163-165.

21. Brown, L.G. A survey of image registration techniques / L.G. Brown L // ACM Computing Surveys. -1992. - No.24(4). - P. 325-376.

22. Ташлинский, А.Г. Оценивание параметров пространственных деформаций последовательностей изображений / А.Г. Ташлинский. -Ульяновск: УлГТУ, 2000. - 132 с.

23. Lucas, B.D. An iterative image registration technique with an application to stereo vision / B.D. Lucas, T. Kanade // Proceedings of Imaging Understanding Workshop. - 1981. - No.2. - P. 121-130.

24. Обухова, Н.А. Метод автоматической сегментации и сопровождения объектов интереса на основе математического аппарата нечеткой логики / Н.А. Обухова // Известия высших учебных заведений России. Сер. Радиоэлектроника. - 2007. - №3. - C. 53-63.

25. Дуда, Р. Распознавание образов и анализ сцен: пер. с англ. Г. Г. Вайештейнв, А. М. Васьковского; под ред. В. Л. Стефанюка / Р. Дуда, П. Харт. - М.: МИР, 1976. - 509 с.

26. Фуканага, К. Введение в статистическую теорию распознавания образов: пер. с англ. Главная редакция физико-математической литературы / К. Фуканага. - М.: Наука, 1979. - 368 с.

27. Bay, H. SURF: Speeded Up Robust Features / H. Bay, T. Tuytelaars, L. V. Gool // Proceedings of the ninth European Conference on Computer Vision. -2006. - P. 404-417.

28. Lowe, D.G. Object recognition from local scale-invariant features / D. G. Lowe // Proceedings of the International Conference on Computer Vision. -1999. - P. 1150-1157.

29. Васин, Н.Н. Обработка видеосигналов для измерения скорости движения железнодорожных вагонов на сортировочной горке / Н.Н. Васин, В.Ю. Куринский // Компьютерная оптика. - 2005. - №. 27. - С. 185-188.

30. Васин, Н.Н. Усовершенствование алгоритма измерения скорости

движения объектов / Н.Н. Васин, Р.Р. Диязитдинов, А.А. Шапорин // Вестник

СамГУПС. - 2016. - № 1 (31). - С. 10-14.

108

31. Кузьмин, С.В. Многоканальный корреляционный метод совмещения данных параметров объектов инфраструктуры / С.В. Кузьмин, Н.Н. Васин // Вестник транспорта Поволжья. - 2011. - №1(25). - C. 68-75.

32. Богуславский, И.А. Адаптивное оценивание вектора сдвига / И.А. Богуславский, И.Г. Владимиров // Техническая кибернетика. - 1990. - №4. -С.47-64.

33. Степанов, О.А. Предельно достижимая точность совмещения гаус-совских изображений / О.А. Степанов // Автометрия. - 1990. - №5. - С. 16-23.

34. Панкова, Т.Л. Эффективность алгоритмов прецизионного совмещения цифровых изображений / Т.Л. Панкова, А.Л. Резник // Автометрия. -1991. - №5. - С. 39-43.

35. Попов, П.Г. Совмещение изображений телевизионного и теплови-зионного каналов / П.Г. Попов // Автометрия. - 1993. - №1. - С. 35-39.

36. Okutomi, M. A locally adaptive window for signal matching / M. Okutomi, T. Kanade // International Journal of Computer Vision. -1992. - No.7. -P.143-162. D01:10.1109/ICCV.1990.139519.

37. Мачнев, А.М. Беспоисковый алгоритм определения угла поворота изображений / А.М. Мачнев, С.Я. Жук // Вюник Нащонального техшчного ушверситету Украши. Серiя - Радютехшка. Радюапаратобудування. - 2008. -№37. - С.33-37.

38. Мачнев, А.М. Определение угла поворота при наложении изображений с использованием смешанной системы координат / А.М. Мачнев // Вюник Нащонального техшчного ушверситету Украши Кшвський полггех-шчний шститут. Серiя: Радютехшка. Радюапаратобудування. -2010. - №42. -С. 40-45.

39. Ташлинский, А.Г. Адаптивное формирование объема локальной выборки в псевдоградиентных процедурах оценивания межкадровых геометрических деформаций изображений / А.Г. Ташлинский, Г.Л. Минкина, Г.В. Дикарина // Вестник УлГТУ. - 2006. - №3. - С. 53-57.

40. Ташлинский, А.Г. Псевдоградиентное оценивание пространственных деформаций последовательности изображений / А.Г. Ташлинский // Наукоемкие технологии. - 2002. - Т.3. - №3. - С.32-43.

41. Минкина, Г.Л. Нахождение псевдоградиента целевой функции при измерении параметров межкадровых геометрических деформаций изображений / Г.Л. Минкина, М.Ю. Самойлов, А.Г. Ташлинский // Вестник УлГТУ. -2004. - № 4. - С. 47-49.

42. Ташлинский, А.Г. Структурная оптимизация псевдоградиентных алгоритмов в задаче оценивания геометрических деформаций изображений / А.Г. Ташлинский, А.Н. Наскальнюк, Д.С. Муратханов // Вестник УлГТУ. -2001. - №4. - С. 4-7.

43. Tashlinskii, A.G. Computational Expenditure Reduction in PseudoGradient Image Parameter Estimation / A.G. Tashlinskii // Computational Science - ICCS 2003. - 2003. - No.2. - P.456-462.

44. Tashlinskii, A.G. Pseudogradient optimization of objective function in estimation of geometric interframe image deformations / A.G. Tashlinskii, G.L. Safina, S.F. Voronov // Pattern recognition and image analysis. - 2012. - No. 2. -P. 386-392.

45. Szeliski, R. Image Alignment and Stitching: A Tutorial / R Szeliski // Foundations and Trends in Computer Graphics and Vision. - 2006. -No2(1). -P.1-104.

46. Casasent, D. Position, rotation, and scale invariant optical correlation / D. Casasent, D. Psaltis // Applied Optics. - 1976. - Vol.15. - Issue 7. -P.1795-1799.

47. Casasent, D. Polar camera for space-variant pattern recognition / D. Casasent, M. Kraus // Applied Optics. - 1978. - Vol.17. - No.10. - P.1559-1561.

48. Мясников, В.В. Метод обнаружения транспортных средств на цифровых аэрофото и космических изображениях дистанционного зондирования Земли / В.В. Мясников // Компьютерная оптика. - 2012. - Т.36. - №3. -C. 429-438.

49. Чафонова, В.Г. Автоматический контроль и цифровая коррекция масштаба и взаимного поворота изображений стереопары / В.Г. Чафонова, И.В. Газеева, Г.В. Тихомирова // Компьютерная оптика. - 2016. - Т.40. -№1. - С. 112-120. DOI: 10.18287/2412-6179-2016-40-1-112-120.

50. Bay, H. Surf: Speeded up robust features / H. Bay, T. Tuytelaars, L. Van Gool // Computer Vision-ECCV 2006. - 2006. - P. 404-417.

51. Ke, Y. PCA-SIFT: A more distinctive representation for local image descriptors / Y. Ke, R. Sukthankar // Computer Vision and Pattern Recognition. -2004. -No.2. - P.506-513.

52. Novikov, A.I. The Contour Analysis and Image Superimposition Problem in Computer Vision Systems / A.I. Novikov, V.A. Sablina, M.B. Nikiforov, A.A. Loginov // Pattern Recognition and Image Analysis. - 2015. - No.25(1). -P. 73-80.

53. Ефимов, А.И. Алгоритм поэтапного уточнения проективного преобразования для совмещения изображений / А.И. Ефимов, А.И. Новиков // Компьютерная оптика. - 2016. - Т.40. - №2. - С.258-265. DOI: 10.18287/24126179-2016-40-2-258-265.

54. Волегов, Д.Б. Грубое совмещение изображений по найденным на них прямым линиям / Д.Б. Волегов, Д.В. Юрин // International Conference Graphicon 2006. - Novosibirsk: Akademgorodok, 2006. - С.463-466.

55. Volegov, D.B. Straight Line Detection on Images via Hartley Transform. Fast Hough Transform / D.B. Volegov, V.V. Gusev, D.V. Yurin // 16-th International Conference on Computer Graphics and Application (GraphiCon 2006). -Novosibirsk: Akademgorodok, 2006. - P.174-181

56. Гошин, Е.В. Двухэтапное формирование пространственного преобразования для совмещения изображений / Е.В. Гошин, А.П. Котов, В.А. Фурсов // Компьютерная оптика. -2014. - №.38(4). - С. 886-891.

57. Чемерис, Д.С. Исследование методов определения геометрического рассогласования двух изображений для решения задачи оптического наведения и стыковки подводного робота / Д.С. Чемерис, И.Н. Бурдинский // V

111

Международная научная конференция «Проектирование инженерных и научных приложений в среде MATLAB». - Харьков: ФЛП Шейнина Е.В, 2011. [Электронный ресурс] / Режим доступа: http://matlab.ru/up-load/resources/EDU%20Conf/pp%20465-470%20Cheme-ris.pdf (дата обращения 07.09.2015).

58. Красильников, Н.Н. Цифровая обработка 2D- и 3D-изображений: учебное пособие для студентов вузов, обучающихся по направлению подготовки 230400 «Информационные системы и технологии» / Н.Н. Красильников - СПб.: БХВ-Петербург, 2011. - 608 с.

59. Горячкин, О.В. Лекции по статистической теории систем радиотехники и связи: учебное пособие / О.В. Горячкин. - М.: Радиотехника, 2007. -с.192.

60. De Castro, E. Registration of translated and rotated images using finite fourier transforms / E. De Castro, C. Morandi // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1987. - Vol.9.- Issue 5. - P.700-703.

61. Xie, H. An IDL/ENVI implementation of the FFT-based algorithm for automatic image registration / H. Xie, N. Hicks, G.R. Keller, H. Huang, V. Kreinovich // Computer & Geosciences. - 2003. - No.29. - P.1045-1055.

62. Chen, Q. Symmetric phaseonly matched filtering of fourier-mellin transforms for image registration and recognition / Q. Chen, M. Defrise, F. Deconinck // IEEE Transactions Pattern Analysis and Machine Intelligence. - 1994. -No.16(12). - P. 1156-1168.

63. Фурье-вычисления для сравнения изображений [Электронный ресурс] / Режим доступа: https://habr.com/ru/post/266129/ (дата обращения: 20.12. 2021).

64. Гудмен, Дж. Введение в Фурье-оптику / Дж. Гудмен. - М.: Мир, 1970. - 364 с.

65. Бессмельцев, В.П. Быстрый алгоритм совмещения изображений для контроля качества лазерной микрообработки / В.П. Бессмельцев, Е.Д. Булу-

шев // Компьютерная оптика. - 2014. - Т.38. - №2. - C. 343-350.

112

66. Глумов, Н.И. Обнаружение дубликатов на изображениях / Н.И. Глумов, А.В. Кузнецов // Компьютерная оптика. - 2011. - Т.35. - №4. -С.508-512.

67. Evangelidis, G. Parametric Image Alignment Using Enhanced Correlation Coefficient Maximization / G. Evangelidis, E. Psarakis // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2008. - Vol. 30. - P. 1858-1865. DOI: 10.1109/TPAMI.2008.113.

68. Дмитриев, А.Л. Оптические методы обработки информации: учебное пособие / А.Л. Дмитриев. - СПб.: СПюГУИТМО, 2005. - 46 с.

69. Акаев, А.А. Оптические методы обработки информации / А.А. Акаев, С.А. Майоров. - М.: Высшая школа, 1988. - 236 с.

70. Lindeberg, T. Image matching using generalized scale-space interest points / T. Lindeberg // Journal of Mathematical Imaging and Vision. - 2015. -Vol.52. - No.1. - P.3-36.

71. Moravec, H. Obstacle Avoidance and Navigation in the Real World by a Seeing Robot Rover / H. Moravec. - Stanford: Stanford University, 1980. - 177 p.

72. Harris, S. A combined corner and edge detector / S. Harris, M. Stephens // Proceedings of the 4th Alvey Vision Conference. - 1988. - No.1. - P. 147-151.

73. Shi, J. Good features to track / J. Shi, C. Tomasi // IEEE Conference on Computer Vision and Pattern Recognition (CVPR'94). - Seattle, 1994. -P. 593-600.

74. Forstner, W. A Fast Operator for Detection and Precise Location of Distinct Points, Corners and Centres of Circular Features / W. Forstner, E. Gulch // ISPRS Intercommision Workshop. - 1987. - P. 281-305.

75. Smith, S. M. SUSAN - a new approach to low level image processing / S. M. Smith, J. M. Brady // International Journal of Computer Vision. - 1997. -No.23 (1). - P. 45-78.

76. Trajkovic, M. Fast corner detection. / M. Trajkovic, M. Hedley // Image and Vision Computing. - 1998. - No.16 (2). - P. 75-87. DOI:10.1016/S0262-8856(97)00056-5.

77. Rosten, E. Machine Learning for high-speed corner detection / E. Rosten, T. Drummond // 9th European Conference on Computer Vision (ECCV 2006). 2006. - P. 430-443.

78. Chui, H. A new point matching algorithm for non-rigid registration / H. Chui, A. Rangarajan // Computer Vision and Image Understanding. - 2003. -Vol. 89(2). - P. 114-141.

79. Rosten, E. Machine Learning for high-speed corner detection / E. Rosten, T. Drummond // 9th European Conference on Computer Vision (ECCV 2006). 2006. - P. 430-443.

80. Szeliski, R. Computer Vision: Algorithms and Applications / R. Szeliski. - Berlin: Springler, 2010. - 979 p.

81. Bay, H. SURF: speed up robust features / H. Bay, A. Ess, T. Tuytelaars, L.V. Gool // Computer Vision and Image Understanding (CVIU). - 2008. -Vol.110. - No.3. - P. 346-359.

82. Mikolajczyk, K. A Performance Evaluation of Local Descriptors / K. Mikolajczyk, C. Schmid // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2005. - Vol.27. - No.10. - P. 1615-1630.

83. Tola, E. A Fast Local Descriptor for Dense Matching / E. Tola, V. Lepetit, P. Fua // IEEE Conference on Computer Vision and Pattern Recognition (CVPR'08). - 2008. - P. 1-8.

84. Calonder, M. BRIEF: Binary Robust Independent Elementary Features / M. Calonder, V. Lepetit, C. Strecha, P. Fua // Computer Vision-ECCV-2010: 11th European Conference on Computer Vision: Part IV. - Heraclion, 2010. - 778 p.

85. Wang, H. Real-time corner detection algorithm for motion estimation / H. Wang, M. Brady // Image and Vision Computing. - 1995. - No.13 (9). -P. 695-703. DOI: 10.1016/0262-8856(95)98864-P.

86. Trujillo, L. Automated design of image operators that detect interest points / L. Trujillo, G.Olague // Evolutionary Computation. - 2008. -No.16 (4). -P. 483-507. DOI: 10.1162/evco.2008.16.4.483.

87. Viola, P. Rapid Object Detection using a Boosted Cascade of Simple Features / P. Viola, M.J. Jones // Proceedings IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2001). - 2001. - Vol.1 - No.1. - P. 511-518.

88. Viola, P. Robust real-time face detection / P. Viola, M.J. Jones // International Journal of Computer Vision. -2004. - Vol.57. - No.2. - P.137-154.

89. Willems, G. An efficient dense and scale-invariant spatiotemporal-temporal interest point detector / G. Willems, T. Tuytelaars, L. Gool // Springer Lecture Notes in Computer: 10th Science: European Conference on Computer Vision. - Marseille, France, 2008. - P. 650-663. DOI:10.1007/978-3-540-88688-4_48.

90. Диязитдинова, А.А. Обнаружение объектов на видеоизображении и существующие способы решения / А.А. Диязитдинова // XXVII Российская научная конференция профессорско-преподавательского состава, научных сотрудников и аспирантов: материалы конференции. - Самара: ПГУТИ, 2731 января 2020. - С.7.

91. Диязитдинова, А.А. Оценка параметров проективного преобразования при совмещении многомерных телевизионных сигналов с автоматическим определением соответствия между реперными точками / А.А. Диязит-динова // Оптические технологии в телекоммуникациях (ОТТ-2020): материалы XVIII Международной научной конференции. - Самара: ПГУТИ, 17-20 ноября 2020. - С. 81-82.

92. Dijazitdinova, А.А. Homography Parameters Estimation for Superposition Multidimensional Television Signals with Automatic Matching Reference Points / А.А. Dijazitdinova // 18th International Scientific and Technical Conference on Optical Technologies for Communications. Proceedings of SPIE. -Samara, 2020. - Vol. 11793. - P.117930E.

93. Диязитдинова, А.А. Совместное использование алгоритма LUKAS-KANADE и оценки проективного преобразования для прецизионного совмещения изображений» / А.А. Диязитдинова // Проблемы техники и

технологий телекоммуникаций (ПТиТТ-2020): материалы XXII Междуна-

115

родной научной конференции. - Самара: ПГУТИ, 17-20 ноября 2020. - С. 118-119.

94. Диязитдинова, А.А. Модифицированный алгоритм Lucas-Kanade для совмещения фрагментов изображений в задаче совмещения телевизионных изображений для многокамерных систем видеонаблюдения / А.А. Диязитдинова // Проблемы техники и технологий телекоммуникаций (ПТиТТ-2021): материалы XXIII Международной научно-технической конференции. - Самара, ПГУТИ, 23-26 ноября 2021. - С.71-72.

95. Диязитдинова, А.А. Оценка параметров проективного преобразования по точкам интереса методом ЯЛ^АС / А.А. Диязитдинова // Проблемы техники и технологий телекоммуникаций (ПТиТТ-2020): материалы XXII Международной научной конференции. - Самара: ПГУТИ, 17-20 ноября 2020. - С. 120-121.

96. Диязитдинова, А.А. Проективное совмещение телевизионных сигналов методом ЯЛ^АС для промышленных систем технического зрения / А.А. Диязитдинова // Инфокоммуникационные технологии. - 2020. - Т.18. -№4. - С. 443-449.

97. Диязитдинова, А.А. Предварительное проективное совмещение телевизионных изображений на основе контурных линий / А.А. Диязитдинова // XXVIII Российская научно-техническая конференция профессорско-преподавательского состава, научных сотрудников и аспирантов университета с приглашением ведущих ученых и специалистов родственных вузов и организаций: материалы конференции. - Самара: ПГУТИ, 5-8 апреля 2021. - С. 9-10.

98. Диязитдинова, А.А. Уменьшение погрешности оценки параметров совмещения телевизионных сигналов для многокамерной системы технического зрения / А.А. Диязитдинова // Автоматизированные системы управления и информационные технологии (АСУИТ-2021): материалы Всероссийской технической конференции. - Пермь: Пермский национальный исследовательский политехнический университет, 9-11 июня 2021. - С.262-267.

116

99. Диязитдинова, А.А. Уменьшение числа гипотез при оценке параметров перспективного преобразования в задаче совмещения телевизионных изображений для многокамерных систем видеонаблюдения / А.А. Диязитдинова // Проблемы техники и технологий телекоммуникаций (ПТиТТ-2021): материалы XXIII Международной научно-технической конференции. - Самара: ПГУТИ, 23-26 ноября 2021. - С.73-74.

100. Пешков, Н.Н. Временная селекция объектов на видеоизображениях / Н.Н. Пешков // Обозрение прикладной и промышленной математики. -М.: Редакция журнала «ОПиПМ», 2004. - С.387-388.

101. Грузман, И.С. Цифровая обработка изображений в информационных системах / И.С. Грузман, В.С. Киричук. - Новосибирск: НГТУ, 2002. -351 с.

102. Патрик, Э.А. Основы теории распознавания образов: пер. с англ.; под ред. Б.Р. Левина / Э.А. Патрик. - М.: Советское радио, 1980 - 408 с.

103. Диязитдинова, А.А. Оценка размера окрестности фрагмента изображения реперной точки в задаче проективного совмещения телевизионных сигналов / А.А. Диязитдинова // Проблемы техники и технологий телекоммуникаций (ПТиТТ-2020): материалы XXII Международной научно-технической конференции. - Самара: ПГУТИ, 17-20 ноября 2020. - С. 122123.

104. Диязитдинова, А.А. Совмещение сигналов для повышения качества телевизионного изображения многокамерной системы видеонаблюдения / А.А. Диязитдинова // Радиотехника. - 2020. - Т.84. - №12(23). - С.72-78.

105. Диязитдинова, А.А. Повышение помехоустойчивости при оценке параметров проективного совмещения телевизионных сигналов / А.А. Диязитдинова // Физика волновых процессов и радиотехнические системы. -2021. - Т.24. - №1. - С. 58-66.

106. Диязитдинова, А.А. Повышение качества телевизионного изображения многокамерной системы видеонаблюдения с использованием алгоритма проективного совмещения / А.А. Диязитдинова // Проблемы и пер-

117

спективы внедрения инновационных телекоммуникационных технологий: материалы VII Международной научно-практической очно-заочной конференции. - Оренбург, 2021. - С. 326-332.

107. Диязитдинова, А.А. Проективное совмещение телевизионных изображений с предварительным сопоставлением особых точек на основе логарифмически-полярной системы координат / А.А. Диязитдинова // Актуальные проблемы инфотелекоммуникаций в науке и образовании: материалы XI Международной научно-технической и научно-методической конференции. -Санкт-Петербург: СПбГУТ, 2022. - С.191-198.

108. Диязитдинова, А.А. Проективное совмещение многомерных телевизионных сигналов в задаче повышения качества изображений для многокамерных систем видеонаблюдения / А.А. Диязитдинова // Оптические технологии в телекоммуникациях (ОТТ-2021): материалы XIX Международной научной конференции. - Самара, ПГУТИ, 23-26 ноября 2021. - С.127-128.

109. Dijazitdinova, А.А. Homography Superposition of multidimensional television signals in improving quality images issue for milticamera video surveillance system / А.А. Dijazitdinova // 19th International Scientific and Technical Conference on Optical Technologies for Communications. Proceedings of SPIE. -Samara, 2021. - Vol.12295. - P.122950P.

110. Диязитдинова, А.А. Разработка комплекса лабораторных работ для курса мультимедийных технологий по обработке изображений / А.А. Ди-язитдинова // X Российская научно-методическая конференция профессорско-преподавательского состава, научных сотрудников и аспирантов: материалы конференции. - Самара: ПГУТИ, 22-25 марта 2022. - С.64-65.

111. Диязитдинова, А.А. Внедрение алгоритма проективного совмещения изображений в систему контроля контактной сети вагона-лаборатории / А.А. Диязитдинова // XXIX Российская научно-техническая конференция профессорско-преподавательского состава, научных сотрудников и аспирантов университета с приглашением ведущих ученых и специалистов род-

118

ственных вузов и организаций: материалы конференции. - Самара: ПГУТИ, 22-25 марта 2022. - С. 8-9.

112. Диязитдинова, А. А. Проективное совмещение телевизионных изображений многокамерной системы технического зрения по данным натурной видеосъемки / А. А. Диязитдинова // Информационные технологии и нанотехнологии (ИТНТ-2022): материалы VIII Международной конференции и молодежной школы. - Самара: Самарский национальный исследовательский университет имени академика С.П. Королева, 23-27 мая 2022. -С. 30792.

113. Dijazitdinova, А.А. Homography Superposition of the Television Image for Multicam Machine Vision by Data of the Environmental Test / А.А. Dijazitdinova // VIII International Conference on Information Technology and Nano-technology (ITNT). - Samara, 23-27 May 2022. - P. 1-6.

114. Диязитдинова, А.А. Программа автоматического расчета параметров проективного совмещения телевизионных изображений для многокамерных систем технического зрения: свидетельство о государственной регистрации программы для ЭВМ от 25.04.2022 № 2022617707.

115. Диязитдинова, А.А. Программа автоматического расчета параметров проективного совмещения телевизионных изображения для многокамерных систем технического зрения с возможностью проведения численного моделирования для оценки влияния помех на качество совмещения: свидетельство о государственной регистрации программы для ЭВМ от 22.08.2022 № 2022665795.

116. Диязитдинова, А.А. Программа автоматического расчета параметров проективного совмещения телевизионных изображения для многокамерных систем технического зрения вагона-путеизмерителя для контроля контактных проводов: свидетельство о государственной регистрации программы для ЭВМ от 21.02.2023 № 2023613996.

117. Fischler, M.A. Random sample consensus: a paradigm for model ftting with applications to image analysis and automated cartography / M.A. Fischler, R.C. Bolles // Communications of the ACM. -1981. -No.24. - P.381-395.

118. Raguram, R. A comparative analysis of RANSAC techniques leading to adaptive real-time random sample consensus / R. Raguram, J.M. Frahm, M. Pollefeys // Computer Vision-ECCV 2008. - Springer Berlin Heidelberg, 2008. -P. 500-513.

119. Hast, A. Optimal RANSAC - Towards a Repeatable Algorithm for Finding the Optimal Set / A. Hast, J. Nysjo, A. Marchetti // Journal of WSCG. -2013. - No.21(1). - P. 21-30.

120. Cantzler, H. Random sample consensus (ransac) / H. Cantzler. - Edinburgh: University of Edinburgh, Institute for Perception, Action and Behaviour, 1981. - P.1-4.

121. Raguram, R. A Comparative Analysis of RANSAC Techniques Leading to Adaptive Real-Time Random Sample Consensus / R. Raguram, JM. Frahm, M. Pollefeys // X European Conference on Computer Vision (ECCV 2008). - Marseille, 2008. - Vol. 5303. -P. 500-513.

122. Wang, H. Robust adaptive-scale parametric model estimation for computer vision / H. Wang, D. Suter // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2004. - No.11. - P.1459-1474.

ПРИЛОЖЕНИЕ А. Некоторые исходные изображения

для проведения экспериментов

Рисунок А.1 - Съемка периметра наблюдения системой, установленной на

высотном здании

Рисунок А.2 - Съемка периметра наблюдения во дворе жилого дома

Рисунок А.3 - Съемка автомобильной парковки

Рисунок А.4 - Съемка подстилающей поверхности Земли, проведенная с борта летательного аппарата

ПРИЛОЖЕНИЕ Б. ДОКУМЕНТЫ, ПОДТВЕРЖДАЮЩИЕ ВНЕДРЕНИЕ ОСНОВНЫХ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

ИНФОТРАНС

443001, г. Самара, »л. Полевая, 47 Тел. [phone], фа«с [phone] E-mail: office^iinfotrans-logist'c ru www.infotrant-logistlc.ru

UMD*na[ abwfctio

НАУЧНО ПРОИМОДСТМНЫИ ЦЕНТР ИНФОРМАЦИОННЫХ И ТРАНСПОРТНЫХ СИСТЕМ (АО НПЦ ИНФОТРАНС)

"Утверждаю»

ло ш^пГ'тгФОИ'лш!

«з» Oh

^2023 г.

АКТ

внедрения результатов диссертационной работы старшего преподавателя кафедры информационных систем и технологий ФГБОУ ВПО «Поволжского

государственного университета телекоммуникаций и информатики» Диязитдиновой Альфии Асхатовны «Разработка методики проекчинною сон мешен ни телевизионных изображений многокамерных систем технического зрения», представленной на соискание ученой степени кандидата технических наук по специальности 2.2.13 - «Радиотехника, в том числе системы и устройства телевидения»

Настоящим актом подтверждается, что результаты и выводы, изложенные в научной работе Диязитдиновой A.A., в части контроля объектов железнодорожной инфраструкту ры по изображениям многокамерной системы технического зрения используются в акционерном обществе научно-производственный центр информационных и транспортных систем (АО НПЦ ИНФОТРАНС).

АО НПЦ ИНФОТРАНС является одним из ведущих предприятий России и мира по разработке и производству научно-технической продукции для диагностики инфраструктуры рельсового транспорта.

С 2022 года в АО НПЦ ИНФОТРАНС находится в опытной эксплуатации многокамерная система технического зрения на вагоне испытаний контактной сети (ВИКС), в состав функций которой входит:

- создание бесшовного изображения в результате совмещения видеокадров многокамерной системы;

- определение местоположения контактных проводов и реперных точек на изображении;

- повышение точности измерения реального положения проводов.

Перечисленные материалы изложены в третьей главе «Методика

проективного совмещения телевизионных изображений с предварительным сопоставлением особых точек» и в четверной главе «Экспериментальная проверка разработанных алгоритмов проективного совмещения» диссертации Диязитдиновой A.A.

Первый заместитель генерального директора по научно-технической продукции

О.Б. Симаков

проектные технологии

УТВЕРЖДАЮ

Генеральный директор ООО 11роектнме Технологи*

B.C. Манько

«i_» Ду?*./-*_2023 г.

АКТ

о внедрении результатов диссертационной работы

Днязитднновой Альфии Асхагтовны «Разработка методики проективного совмещении телевизионных изображений многокамерных систем технического зрения», представленной на соискание ученой степени кандидата технических наук по специальности 2.2.13 - «Радиотехника, в том числе системы и устройства телевидения»

I (астоящий акт составлен о том. что результаты диссертационной работы Днязнтдиновой A.A.. в частности:

- алгоритм сопоставления особых точек на обрабатываемых изображениях. сильно отличающихся по масштабу:

- методика определения поворотов, используемых на этапах промежуточной обработки изображений:

использованы при разработке программного обеспечения для совмещения ланных видеокамер и данных профильных датчиков.

ООО «Проектные технологии и

ОГРН:110774656562549

ИНН: 7702736235 КПП: 773401001

121357, Москва, ул. Верейская, д.29 стр, 134, БЦ «Верейская плаза 3»

[e-mail]

проектные технологии

Практическое значение полученных автором результатов диссертационной работы подтверждается значительным сокращением времени обработки (в 5 раз быстрее по сравнению с первоначальным алгоритмом совмещения данных).

Описание выше перечисленных материалов приведено в третьей п четверной главе диссертационной работы.

Генеральный директор ООО Проектные Технологии

В.С. Манько

ООО «Проектные технологии» ОГРН:110774656562549 ИНН: 7702736235 КПП: 773401001

121357, Москва, у л Верейская, д 29 стр 134, БЦ «Верейская плаза 3»

mfoflaurai.ru

УГВРРЖДАЮ ор ФГБОУ ВОПГУТИ,

к.т.н., доцент В.А. Ружников

■läuj 2023 г.

АКТ

о внедрении результатов диссертационной работыДиязитдиновой A.A. «Разработка методики проективного совмещения телевизионных изображений многокамерных систем технического зрения» в учебный процесс Поволжского

Государственного Университета Телекоммуникаций и Информатики

Комиссия в составе:

- Лиманова Н.И. - зав. кафедрой «Информационные системы и технологии» (ИСТ), доцент, д.т.н.

- Богомолова М.А. - декан факультета №2, доцент, к.т.н.

- Буранова М.А. - начальник управления организации учебного процесса (УОУП), доцент, д.т.н.

составила настоящий акт о том, что в ГТГУТИ внедрены в учебный процесс по кафедре «Информационные системы и технологии» (ИСТ) следующие разработки, использующие результаты диссертационной работы Диязитдиновой A.A., в частности:

- методика сопоставления особых точек для совмещения телевизионных изображений, отличающаяся от ранее разработанных алгоритмов введением этапа оценки достоверности совмещения:

- методика совмещения телевизионных изображений многокамерной системы технического зрения, отличающаяся от ранее разработанных методик введением этапа выбора особых точек, которые могут быть использованы для сопоставления, и отличающаяся высокой достоверностью совмещения на основании данных, полученных в ходе натурной сьемки;

- программное обеспечение, позволяющее в автоматическом режиме совмещать изображения многокамерной системы технического зрения по данным натурной сьемки.

Комиссия отмечает, что результаты работы Диязитдиновой A.A. используются в учебном процессе при подготовке студентов по направлению 09.03.02 «Информационные системы и технологии».

Зав. кафедрой ИСТ Декан факультета №2 Начальник УОУП

Лиманова Н.И. Богомолова М.А. Буранова М.А.

ПРИЛОЖЕНИЕ В. Свидетельства о государственной регистрации программы для ЭВМ

II

А ротистраяин программы дли ЭВМ

№2022617707

Программа авюмашческою расчеи нарммпроп проективного совмещении гепевишонных н шораженип ми многокамерных систем техническою 1рення

Пр4.«Л1м«»в» Федеральное государственное бюджетное обра иыятельное учреждение высшего обра ита ним "Поааикский .чкучкгрстленный университет телеком-чуникаций и информатики" (ЛИ)

А*гг4ы) Дшиитдиноли Альфия Асхатонка (КС)

Ьмм» 20226167Л4

л««* 1к<с>>плеши 18 апреля 2022 г.

Лят» пхуоарсгмткЧ» р»пктр«инм

• программ дм 25 апреля 2022 л

Лиг.' I ¿ойсЯНКпНЛГПМ

юх Мо*