Разработка методов машинного зрения для построения пространственных моделей трехмерных сцен тема диссертации и автореферата по ВАК РФ 05.13.16, кандидат технических наук Сибиряков, Александр Витальевич

• Сибиряков, Александр Витальевич
• кандидат технических наук
• 1998

Оглавление диссертации кандидат технических наук Сибиряков, Александр Витальевич

ВВЕДЕНИЕ.

ЦЕЛЬ ДИССЕРТАЦИОННОЙ РАБОТЫ И ПОСТАНОВКА ЗАДАЧ.

СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ.

1. МЕТОД ИЕРАРХИЧЕСКОГО КОРРЕЛЯЦИОННОГО СТЕРЕООТОЖДЕСТВЛЕНИЯ

1.1 ОБЗОР РАБОТ ПО МЕТОДАМ СТЕРЕООТОЖДЕСТВЛЕНИЯ

1.2. ПРОБЛЕМЫ, ВОЗНИКАЮЩИЕ ПРИ СТЕРЕООТОЖДЕСТВЛЕНИИ.

1.3 ВЫБОР МЕТОДА РЕШЕНИЯ ЗАДАЧИ СТЕРЕООТОЖДЕСТВЛЕНИЯ.

1.4. ВЫБОР НАИБОЛЕЕ УСТОЙЧИВЫХ ИНФОРМАТИВНЫХ УЧАСТКОВ ИЗОБРАЖЕНИЯ ПУТЕМ ЛОКАЛЬНОГО СТАТИСТИЧЕСКОГО АНАЛИЗА.

1.4.1. ВЫЧИСЛИТЕЛЬНО ЭФФЕКТИВНЫЕ ПОКАЗАТЕЛИ ИНФОРМАТИВНОСТИ

1.4.2. АНАЛИЗ НАЛИЧИЯ СИГНАЛА НА ФРАГМЕНТЕ ИЗОБРАЖЕНИЯ.

1.4.3. ДИСПЕРСИЯ ЯРКОСТИ КАК ПОКАЗАТЕЛЬ ИНФОРМАТИВНОСТИ УЧАСТКОВ ИЗОБРАЖЕНИЙ

1.5. КОРРЕЛЯЦИОННОЕ СТЕРЕООТОЖДЕСТВЛЕНИЕ С ИСПОЛЬЗОВАНИЕМ ПИРАМИДЫ СТЕРЕОПАР.

1.6. ОБОБЩЕННАЯ ФОРМА КОРРЕЛЯЦИОННОГО СТЕРЕООТОЖДЕСТВЛЕНИЯ.

1.7. ПРЕДСТАВЛЕНИЕ РЕЗУЛЬТАТОВ СТЕРЕООТОЖДЕСТВЛЕНИЯ.

Введение диссертации (часть автореферата) на тему «Разработка методов машинного зрения для построения пространственных моделей трехмерных сцен»

В последние годы бурно развиваются информационные технологии» предназначенные для модельного представления окружающего мира. Одной из важнейших областей применения таких технологий являются геоинформационные системы (ГИС), обеспечивающие сбор, обработку и отображение пространственных данных. Современные ГИС оперируют с цифровыми моделями трехмерных сцен, которые являются новым способом представления пространственных данных.

Цифровые модели трехмерных сцен находят в последнее время все более широкое применение. Например, цифровые модели реальной местности являются основой для построения различных авиационных тренажеров, основанных на современных компьютерных технологиях «виртуальной реальности». В военной области цифровые модели местности применяются как для планирования операций, так и для оперативного управления войсками. В гражданской области цифровые модели местности также имеют многочисленные применения, например, в архитектуре, геологии, в областях, связанных с реагированием на чрезвычайные обстоятельства, то есть везде, где до сих пор применялись карты и изображения.

Одной из важнейших задач при создании цифровых моделей трехмерных сцен является обеспечение их реальными трехмерными данными. Такими данными могут быть как данные дистанционного зондирования, под которыми обычно понимаются авиационные и космические изображения, так и данные ручной фотографической съемки. Космические изображения охватывают большую площадь поверхности Земли (до 400x400 км.), и поэтому могут служить для построения обзорных моделей сцен. Аэрофотоснимки обычно охватывают не большую территорию (примерно 4x4 км.), и поэтому могут быть использованы для построения более детальных трехмерных моделей.

Одними из наиболее сложных и дорогих операций с точки зрения временных затрат являются построение цифровой модели рельефа (ЦМР) а также распознавание и локализация различных трехмерных объектов искусственного происхождения. Из-за больших затрат на обработку данных, автоматизация этих процессов является актуальной проблемой.

Методы фотограмметрии позволяют определять форму, размеры и положение объектов по их фотографическим изображениям. В последние годы бурное развитие получили методы цифровой фотограмметрии, позволяющие работать с цифровыми изображениями, полученными либо путем сканирования фотоснимков, либо непосредственно снятых цифровой камерой. Поэтому цифровая фотограмметрия тесно связана с машинным зрением - областью, занимающейся обработкой изображений и распознаванием образов.

Создание модели трехмерной сцены

Интерактивные методы

Пслу автомата — веские методы

Визуализация трехмерной сцены | Машинная графика |

Рис.1 Общая концепция создания моделей трехмерных сцен по данным дистанционного зондирования

На рис.1 показана общая концепция создания моделей трехмерных сцен по данным дистанционного зондирования. Показаны взаимосвязи предметных областей фотограмметрии и машинного зрения с различными этапами создания трехмерных моделей. Также показана степень автоматизации, применяемая на каждом этапе. Круг вопросов, рассматриваемых в данной диссертационной работе, показан с помощью темной области.

ОРИЕНТИРОВАНИЕ СНИМКОВ

Процесс ориентирования является подготовительным этапом при решении любых фотограмметрических задач. В результате процесса ориентирования устанавливается взаимосвязь между различными системами координат (СК):

- внутренней С К камеры и СК изображения (внутреннее ориентирование):

- СК разных изображений стереопары (взаимное ориентирование);

- СК камеры и СК наблюдаемой сцены (внешнее ориентирование).

В результате процесса ориентирования получается набор числовых параметров» характерный для данной конкретной стереопары» задающий взаимосвязь между координатами пикселов изображений и трехмерными координатами точек сцены. Эти параметры задают связку лучей, существовавшую между камерой и сценой в момент фотографирования.

Особенность процесса ориентирования в том, что он производится в ручном режиме и допускает лишь небольшую степень автоматизации. Оператор должен вручную отметить на изображениях некоторый набор точек с известными трехмерными координатами, а также произвести некоторые дополнительные измерения. Далее программа автоматически вычисляет параметры ориентирования и оценки их точности. После этого оператор может уточнять измерения и получить новые оценки параметров. Процесс заканчивается при достижении точности, которая удовлетворяет поставленной задаче. Следует заметить, что точность ориентирования напрямую влияет на точность получаемой трехмерной модели.

ВОССТАНОВЛЕНИЕ ЦИФРОВОЙ МОДЕЛИ РЕЛЬЕФА

Эта проблема известна в машинном зрении как получение 2.5-мерного описания трехмерной сцены, то есть получение информации только о видимых частях изображенных объектов.

Восстановление цифровой модели рельефа (ЦМР) - это центральная проблема фотограмметрии и многих задач машинного зрения. ЦМР является либо конечным продуктом фотограмметрической обработки изображений, либо основой для создания других фотограмметрических продуктов: ортофотопланов, изолиний рельефа, топографических карт, трехмерных моделей. Восстановление ЦМР по стереопаре изображений включает в себя следующие три задачи:

- нахождение соответствующих точек стереопары (стереоотождветвление);

- интерполяция поверхности;

- проверка и редактирование ЦМР.

Наиболее важной является задача стереоотожд ветвления, заключающаяся в нахождении одной и той же точки на разных изображениях стереопары. С конца 50-х годов ей посвящены многочисленные исследования специалистов по машинному зрению, однако удовлетворительного решения пока не найдено. Особый интерес представляют методы» позволяющие находить решение с субпиксельной точностью, что обеспечивает высокоточные измерения трехмерных координат объектов.

Проблема высокоточного совмещения соответствующих (сопряженных) точек на изображениях стереопары является одной из центральных проблем машинного зрения и фотограмметрии. От ее успешного решения зависит точность определения пространственных координат наблюдаемого объекта, будь то рельеф местности, получаемый из космических или авиационных снимков, или видимые поверхности исследуемых предметов в задачах короткобазисной фотограмметрии.

Предельно достижимые характеристики отождествления точек стереопары определяют возможность замены дорогостоящих крупномасштабных авиационных снимков на космические, что приводит к значительному сокращению расходов на съемку при картографировании и создании трехмерных компьютерных моделей местности

Найденные соответствующие точки обычно распределены нерегулярно как на изображении, так и в объектном пространстве, поэтому возникает задача интерполяции поверхности в местах, где нет данных стереоотождветвления.

Первые две задачи обычно не требуют вмешательства оператора и выполняются полностью автоматически. Получаемая ЦМР может содержать ошибки, которые видны визуально, но неустранимые автоматическими методами. Такие ошибки могут быть исправлены с помощью ручного или полуавтоматического редактирования.

РЕКОНСТРУКЦИЯ ОБЪЕКТОВ

Под реконструкцией объектов понимается получение полной трехмерной модели объекта (в отличие от 2.5-мерного описания).

Реконструкции трехмерных объектов по их двумерным изображениям в последнее время уделяется все больше внимания специалистами в областях, связанных с трехмерным моделированием.

Включение моделей реальных объектов в виртуальную среду позволяет увеличить достоверность пространственной модели сцены. Например, в случае пространственной модели местности такие объекты как здания и дороги, существенно детализируют и дополняют модель, что позволяет использовать ее во многих приложениях.

В данной работе рассматривается задача выделения зданий, как основного информативного элемента модели местности, по результатам аэросъемки.

Проблеме дешифрирования данных дистанционного зондирования уделяется серьезное внимание с тех пор, как такие данные стали доступны специалистам самых разных областей. В то же время автоматическая дешифровка авиационных и космических изображений является труднейшей задачей машинного зрения, которой пока не найдено универсального решения. В последние годы, в связи с увеличением объема и сложности данных дистанционного зондирования, возрос интерес именно к автоматическим методам их дешифровки, о чем свидетельствуют многочисленные исследования, а также ежегодно проводимые за рубежом научные конференции по проблеме понимания изображений.

Для решения этой задачи в данной работе рассмотрено использование различных источников информации, таких как цветная, многозональная и черно-белая аэросъемка, цифровая модель рельефа, априорные знания. Эта сложная задача разделена на две независимые подзадачи:

1.Обнаружение трехмерных объектов (определение областей на изображении, содержащих объекты);

2. Реконструкция трехмерных объектов (точное восстановление геометрической формы объектов).

Такое разделение предназначено для упрощения алгоритмов, а также для уменьшения используемых в них эвристических правил.

Поскольку восстановление трехмерной формы объектов по их изображениям является общей задачей машинного зрения, до сих пор не решенной, в данной работе эта задача решается на основе использования априорных моделей. Вначале определяется модель объекта, и на изображении ищутся только те объекты, которые удовлетворяют этой модели.

ЦЕЛЬ ДИССЕРТАЦИОННОЙ РАБОТЫ И ПОСТАНОВКА ЗАДАЧ

Практическая важность и недостаточная теоретическая проработка проблем, связанных с созданием цифровых моделей трехмерных сцен, определили выбор темы диссертации и направление исследований.

Целью диссертационной работы была разработка и исследование автоматических методов цифровой обработки изображений, обеспечивающих сбор и выделение информации об изображенных трехмерных объектах и ЦМР для использования ее в современных геоинформационных технологиях и системах.

При этом решались следующие задачи:

1. Создание методики автоматического построения высокоточной ЦМР по стереопаре изображений;

2. Создание вычислительно эффективного алгоритма поиска соответствующих точек на стереопаре (задача стереоотождествления);

3. Создание вычислительно эффективного метода высокоточного измерения положения соответствующих точек (задача субпиксельного стереоотождествления);

4. Разработка алгоритма автоматического обнаружения трехмерных объектов искусственного происхождения;

5. Разработка алгоритма автоматической реконструкции сегментированных трехмерных объектов.

Постановка задачи построения ЦМР по стереопаре изображений По исходным данным, включающим в себя: 1) оцифрованные изображения трехмерной сцены; 2) параметры ориентирования изображений; 3) априорную информацию о получаемой ЦМР, необходимо построить цифровую модель рельефа, представляющую собой набор трехмерных точек сцены, удовлетворяющую следующим критериям:

1. Критерий адекватности: адекватное представление характерных черт наблюдаемой трехмерной сцены при визуальном сравнении ЦМР и самой сцены;

2. Критерий точности: величина расхождений значений ЦМР и реальных трехмерных координат сцены, вычисленных в контрольных точках должна быть минимально допустимой. Величина допустимого расхождения зависит от точности параметров ориентирования и точности оцифровки изображений.

Для решения поставленной задачи необходимо решить следующие подзадачи:

1 Разработка метода стереоотождествления.

2.Разработка метода построения трехмерной поверхности.

3.Разработка методов анализа и коррекции поверхности.

Постановка задачи стереоотождествления

По исходным данным, включающим в себя: 1) оцифрованные изображения трехмерной сцены; 2) априорную информацию о приблизительном положении соответствующих точек, называемую также областью поиска, необходимо разработать вычислительно эффективный метод построения карты диспаратностей, содержащей пары соответственных точек стереопары. Соответственные точки должны быть найдены с максимальной (субпиксельной) точностью и снабжаться коэффициентом надежности стереоотожд ветвления. Для решения поставленной задачи необходимо решить следующие подзадачи:

1. Разработка метода выбора наиболее информативных участков изображений;

2. Разработка метода стереоотождествления с пиксельной точностью;

3. Разработка и исследование метода субпиксельного стереоотождествления.

Постановка задачи субпиксельного стереоотождествления

По исходным данным, включающим в себя: 1) эталонный участок одного изображения стереопары; 2) приблизительное положение и форму соответствующего участка другое изображения, необходимо разработать метод субпиксельной привязки центров участков на основе содержащейся в них яркостной информации с оценкой точности получаемого решения. Для этого необходимо решить следующие подзадачи:

1. Выбор модели деформации соответственных участков изображений;

2. Разработка метода вычисления меры сходства участков изображений на основе выбранной модели деформации.

Постановка задачи реконструкции трехмерных объектов

По исходным данным, включающим в себя: 1) оцифрованные черно-белые изображения; 2) априорные модели трехмерных объектов, заданные в виде набора формальных правил; 3) дополнительные источники информации (ЦМР, параметры ориентирования), необходимо разработать методы обработки изображений с целью обнаружения и реконструкции объектов, удовлетворяющих априорным геометрическим моделям, и получить трехмерную форму объектов при помощи дополнительных источников информации. Для решения поставленной задачи необходимо решить следующие подзадачи:

1. Разработка метода обнаружения объектов;

2. Разработка метода выделения характерных признаков объектов;

3. Разработка формальных правил группировки признаков на основе априорных моделей;

4.Разработка метода получения трехмерной формы объектов.

Постановка задачи обнаружения трехмерных объектов

По исходным данным, включающим в себя: 1) оцифрованные цветные изображения; 2) дополнительные источники информации (ЦМР); 3) априорные знания о размерах объектов, необходимо разработать методы сегментации изображений с целью выделения областей, содержащих объекты. Метод сегментации должен комплексировать различные виды информации, такие как цветные, черно-белые, спектрозональные изображения, ЦМР, априорные знания. Для решения поставленной задачи необходимо решить следующие подзадачи:

1. Разработка метода классификации изображений в цветовом пространстве для разделения природных и искусственных объектов;

2. Разработка метода уточнения сегментации областей объектов с помощью ЦМР и априорной информации.

СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Основной текст диссертации состоит из пяти глав, каждая из которых посвящена одной из задач исследования, и заключения. В каждой главе делается обзор публикаций по рассматриваемой теме, затем производится обоснование выбора метода решения задачи, далее подробно рассматриваются разработанные методы и в заключении кратко перечисляются основные результаты главы. Все разработанные методы проиллюстрированы на примере обработки реальных авиационных и космических изображений.

В первой главе «Метод иерархического корреляционного стереоотождветвления» рассмотрены основные задачи, связанные с поиском соответственных точек на стереопаре изображений. Рассмотрены основные трудности» возникающие при стереоотожд ветвлении и пути их преодоления. Рассмотрен корреляционный метод стереоотождествления с помощью пирамиды изображений.

Рассмотрены различные показатели информативности фрагментов изображений и предложен новый метод определения информативных фрагментов на основе анализа статистических свойств шума по оптическому клину.

Рассмотрена обобщенная форма метода корреляционного стереоотождествления, предназначенная для отождествления образов произвольной формы. В качестве примера рассмотрена задача стереоотождествления прямых линий на стереопаре.

Во второй главе «Метод субпиксельной корреляции в задаче высокоточного отождествления соответствующих точек стереоизображений» рассматриваются возможности субпиксельного отождествления участков изображений путем последовательного применения метода нормализованной корреляционной функции. Описан новый высокоточный метод поиска сопряженных точек на стереоизображениях» основанный на адаптивной деформации формы отождествляемых участков изображений. Метод является развитием классического корреляционного метода. Показано, что последовательное применение нормализованной корреляции приводит к постановке задачи нахождения вектора поправок 6-параметрического аффинного преобразования в виде задачи на обобщенные собственные значения. Предложено теоретическое решение этой задачи с учетом специфической структуры матриц, получающихся при линеаризации задачи. По форме получаемого решения метод эквивалентен корреляции методом наименьших квадратов. В работе рассмотрены теоретические основы метода, а также детали его реализации. Предложен эффективный алгоритм численного решения, основанный на треугольном разложении Холецкого. Рассмотрены также некоторые модификации метода. Рассмотрена задача об улучшении сходимости и уменьшении числа итераций за счет автоматического определения коэффициента, управляющего сходимостью. Проведено экспериментальное изучение метода, показывающее его высокую точность и устойчивость к выбору начального приближения. Исследовалась сходимость итерационного процесса при различных начальных приближениях. Приведены временные характеристики работы алгоритма.

Далее метод субпиксельной корреляции распространяется на случай, если известна предварительная сегментация эталона.

В третьей главе «Построение ЦМР с помощью иерархической стратегии» рассмотрены различные формы представления ЦМР и выбрана наиболее удобная форма с точки зрения реализации разработанных методов построения и обработки ЦМР. Рассмотрен метод построения регулярной ЦМР по нерегулярным трехмерным данным. Рассмотрена иерархическая стратегия построения ЦМР путем постепенной ее детализации.

Предложен набор методов коррекции ЦМР, предназначенных для устранения ошибок стереоотождветвления. Рассмотрен метод коррекции ЦМР при помощи стереоотождветвления ортофото, полученных от разных изображений стереопары. Этот метод позволяет существенно снизить объем ручного редактирования ЦМР.

Предложен новый метод автоматического анализа геоморфологических черт ЦМР, позволяющий классифицировать особые точки, особые линии и области малой изменчивости рельефа.

В конце главы рассмотрен вопрос о точности получаемых ЦМР.

В четвертой главе «Обнаружение трехмерных объектов на основе комплексирования различных видов данных» предложены оригинальные автоматические методы обнаружения трехмерных объектов, основанные на комплексировании различных источников информации, таких как черно-белая, цветная и многозональная аэрофотосъемка, ЦМР. Обнаружение объектов базируется на попиксельной классификации цветных и многозональных изображений и выделении особенностей на ЦМР. Предложен новый метод итеративной классификации в равноконтрастном цветовом пространстве 1*а*Ь*, позволяющий проводить классификацию изображения за несколько шагов, причем на каждом шаге изображение разбивается на малое число классов, что позволяет избежать ошибок классификации.

В пятой главе «Реконструкция трехмерных объектов на основе моделей» описан метод восстановления объектов, основанный на выделении признаков, характеризующих объекты (прямые линии, углы), их группировке на основе предопределенных заранее моделей и эвристических правил и определении высоты объектов по ЦМР.

В заключении сформулированы научная новизна, теоретическая ш практическая значимость полученных результатов, а также положения, выносимые на защиту.

В приложении 1 приведены цветные изображения, использованные при тестировании методов, описанных в главе 4. Также приведены промежуточные и конечные результаты работы методов обнаружения.

В приложении 2 приведен результат сравнения ЦМР, построенной с помощью методики, описанной в главе 3, с картой.

Заключение диссертации по теме «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)», Сибиряков, Александр Витальевич

ЗАКЛЮЧЕНИЕ

В настоящей диссертационной работе разрабатывались и исследовались методы цифровой обработки изображений, обеспечивающие сбор и выделение информации о трехмерных объектах для использования ее в современных информационных технологиях.

НАУЧНАЯ НОВИЗНА РАБОТЫ

•создана новая методика построения ЦМР, отличающаяся использованием иерархической стратегии и автоматической обработкой аномальных ошибок; •создана новая методика стереоотождветвления, отличающаяся предварительным определением информативных участков изображения; иерархическим отождествлением по пирамиде изображений, субпиксельным стереоотожд ветвлением;

• разработан новый метод определения информативных участков изображения» обеспечивающий надежную и устойчивую работу алгоритма корреляционного стереоотожд ветвления;

•предложен новый метод субпиксельной корреляции, отличающийся использованием аффинной модели деформации отождествляемых образов при вычислении корреляционной функции;

• разработаны новые алгоритмы обработки ЦМР с учетом геоморфологических черт рельефа с целью устранения аномальных ошибок, основанные на локальной фильтрации значений высот, глобальном сглаживании поверхности и более тонкой коррекции ЦМР по ортофото;

• предложены оригинальные процедуры обнаружения искусственных объектов на авиационных изображениях на основе комплексирования различных видов данных, включающих цветную, многозональную и черно-белую съемку» ЦМР, и априорные геометрические характеристики; разработан новый метод выделения трехмерных искусственных объектов по их изображениям на основе априорных геометрических моделей» отличающийся набором правил объединения первичных признаков объектов.

ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Предложенная методика автоматического стереоотождветвления является надежной и вычислительно эффективной при решении задачи построения ЦМР по стереоизображениям, получаемым современными системами дистанционного зондирования;

2. Созданные автоматические методы построения и обработки ЦМР обладают свойством устойчивости по отношению к разнообразным формам рельефа;

3. Разработанная методика автоматического обнаружения и реконструкции искусственных объектов по их геометрическим моделям позволяет эффективно решать задачу реконструкции объектного состава сцены при наличии необходимого объема первичных данных.

ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ ДИССЕРТАЦИИ

Практическая значимость диссертации состоит в применении разработанных методов для создания алгоритмического и программного обеспечения (ПО) для персональной ЭВМ IBM PC, которое осуществляет эффективное по сравнению с традиционными методами построение трехмерных моделей сцен по авиационным и космическим снимкам. Данное ПО является частью разрабатываемых в ГосНИИАС программно-алгоритмических комплексов: Система стереофотограмметрической обработки космических снимков полученных камерами МК-4, ТК-350, КВР-1000;

• Система обработки стереопарной и маршрутной авиационной съемки; ® Система короткобазисной фотограмметрии.

Результаты, полученные при написании диссертации, были неоднократно использованы в рамках НИР "Вертел", "Феникс", "Информационные технологии - 97", выполнявшихся по заказам Министерства Обороны РФ, Министерства Экономики РФ, Министерства Науки РФ, а также в совместных работах ГосНИИАС и

Межотраслевой Ассоциации "Совинформспутник". На базе предложенных методов и разработанного ПО были созданы ЦМР различных участков поверхности Земли, общей площадью более 1000 км2. Методы» разработанные в диссертации, были применены при создании пространственных моделей местности, предназначенных для отработки современных компьютерных авиационных тренажерных комплексов» основанных на технологии виртуальной реальности.

АПРОБАЦИЯ РАБОТЫ И ПУБЛИКАЦИИ ПО ТЕМЕ

По результатам диссертации опубликовано 8 печатных работ и 5 научно-технических отчетов. Основные результаты работы докладывались и обсуждались на XXXIX научной конференции МФТИ «Современные проблемы фундаментальной и прикладной физики и математики», г.Долгопрудный, 1996г., на научно-технической конференции «Современное состояние и перспективы развития геодезии, фототопографии, картографии и геоинформационных систем» в ЦНИИ геодезии, аэрофотосъемки и картографии, г.Москва, 1997г., на международной научной конференции «Optical 3D-Measurements», г. Цюрихе, Швейцария» 1997г.» на международных конференциях «AeroSense», г.Орландо, США, 1997г., 1998г.

Список литературы диссертационного исследования кандидат технических наук Сибиряков, Александр Витальевич, 1998 год

1. Bertram S., The UN AM ACE and the automatic photomapper, Photogrammetric Engineering, 35» No.6,569-576,1969.

2. Levine M.D., O'Handley D.A., Yagi G.M., Computer Determination of Depth Maps, Computer Graphics and Image Processing,2, No.2,131-150,1973.

3. Mori K., Kidode M., Asada H., An iterative prediction and correction method for automatic stereocomparison, Computer Graphics and image Processing, 2, No.3,4, 393-401,1973.

4. Ackerman F., High precision digital image correlation. IPSUS, No.9., 231-243,1984.

5. Gruen A., Baltsavias E., Adaptive least squares correlation with geometrical constraints, SPIE Vol.595, p.72-82,1985.

6. Gruen A., Baltsavias E., Geometrically constrained multiphoto matching, PERS, Vol.54, No.5, 633-641, 1988.

7. Ohta Y., Kanade Т., Stereo by intra- and inter-scanline search using dynamic programming, IEEE PAMI, Vol.7, No.2,139-154,1985.

8. Price K.E., Relaxation techniques for matching. Minutes of the Workshop of Image Matching, September 9-11,1987, Stuttgart University, F.R.Germany.

9. Foerstner W., A feature based correspondence algorithm for image matching, ISPRS Commision II! Symposium, Rovaniemi, Finland, August 19-22, 1986, IAPRS, Vol.26-3/3,150-166.

10. Ayache N., Faverjon В., Efficient registration of stereo images by matching graph description of edge segments, IJCV, Vol.1 ,No.2,107-131,1987.

11. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии. Введение в цифровую оптику. М. "Радио и связь", 1987.

12. Schenk, Automatic Generation of DEM's, Digital Photogrammetry: An Addendum to the Manual of Photogrammetry, American Society for Photogrammetry & Remote Sensing, 1996.

13. Лобанов, Фотограмметрия. M., Недра, 1984

14. Толчельников Ю.С.» Оптические свойства ландшафтов применительно к аэрофотосъемке., Л.» Наука, 1974.

15. Хорн Б.К.П, Зрение роботов., М., Мир» 1988

16. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов, М. Радио и связь, 1987.

17. Gruen A., Adaptive Least Squares Correlation: A powerful image matching technique, South African Journal of Photogrammetry, Remote Sensing and Cartography, Vol. 14, Parts, June, 1985.

18. Schenk, Automatic Generation of DEM's, Digital Photogrammetry: An Addendum to the Manual of Photogrammetry, American Society for Photogrammetry & Remote Sensing,1996.

19. M.Abbasi-Dezfouli, T.G.Freeman, Stereo-Image Registration Based on Uniform Patches, International Archives of Photogrammetry and Remote Sensing, Vol. XXXI, Part B2, Vienna 1996.

20. Golub, C. F. Van Loan, Matrix Computations, North Oxford Academic 1983, The John Hopkins University Press.

21. Mohamed N. Ahmed and Aly A.Farag, Application of Functional Link Neural Networks in Free Form Surface Reconstruction, SPIE, Vol.2353,Boston,1994.

22. Grimson, W.E.L., An Implementation of a Computational Theory of Visual Surface Interpolation, Computer Vision,Graphics and Image Processing, vol.22,1983

23. Jean-Luc Lotti-Gerard Giraudon, Correlation algorithm with adaptive window for aerial image in stereo vision, SPIE,Vol.2315

24. Foerstner W., Mid-level vision processes for automatic building extraction, Automatic Extraction of Man-Made Objects from Aerial and Space Images, 221-230, Birkhauser Verlag, Basel, 1995

25. Pratt W.K. Digital image processing, A Willey-lnterscience Publication, 1991.

26. Poynton C.A. Frequently asked questions about color, Internet source: ftp://ftp.inforamp.net/pub/poynton/doc/colour.

27. Ballard D.H, Brown C.M., Computer Vision, Prentice-Hall, Inc., 1982.

28. Baltsavias E., Mason S., Stallman DM Use of DTMs/DSMs and Orthoimages to Support Building Extraction, Workshop on Automatic Extraction of Man-Made Objects from Aerial and Space Images, Ascona, 1995.

29. A.V.Sibiryakov "House Detection from Aerial Color Images", Institute of Geodesy and Programmetry, ETH Zurich, 1996, Internal Report.

30. Mapp Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов., М.Радио и связь, 1987.

31. B.Burns, A.Hanson, E.Risenman "Extracting Straight Lines", TPAMI, Vol.8, No.4, 1986

32. Сибиряков A.B. "Выделение искусственных объектов на мелкомасштабных авиационных снимках", ГосНИИАС, 1996, Внутренний отчет.

33. A.Huertas, R.Nevatia, Detecting buildings in aerial images, Computer Vision, Graphics and image processing,41:131-153,1988

34. R.Mohan, R.Nevatia, Perceptual organization for scene segmentation and description, IEEE TPAMI, 11(11):1121-1139,1989

35. C.Lin, A.Huertas, R.Nevatia, Detection of buildings from monocular images, Automatic Extraction of Man-Made Objects from Aerial and Space Images, 297-306, Birkhauser Verlag, Basel, 1995

36. F.Lang, W.Schickler, Semiautomatische 3D Gebadeerfassung aus digitalen Bildern, Zeitschrift fur Photogrammetrie und Fernerkundung, 5:193-200,1993

37. F.Lang, W.Forstner, Surface reconstruction of man-made objects using polymorphic mid-level features and generic scene knowledge, Inernational Archives of Photogrammetry and Remote Sensing, Vol.XXXI,B3,415-420,1996.

38. U.Weidner, An approach to building extraction from digital surface models, Inernational Archives of Photogrammetry and Remote Sensing, Vol.XXXI,B3,924-929,1996.

39. P.Fua,A.J.Hanson, An optimization framework for feature extraction, Mashine Vision and Applications, 4:59-87,1991

40. L.H.Quam, T.Strat, SRI image understandig research in cartographic feature extraction, Digital Photogrammetrie Stations,111-122,Wichmann Verlag, Karlsruhe, 1991.

41. T.Kim, J.P.Muller, Building extraction and verification from spaceborne and aerial imagery using image understanding fusion techniques/Automatic Extraction of Man-Made Objects from Aerial and Space Images, 221-230, Birkhauser Verlag, Base!, 1995

42. T.Dang,O.Jamet,H.Maitre, Applying perceptual grouping and surface models to the detection and stereo reconstruction of buildings in aerial imagery, SSPRS Comm. Ill Symposium,165-172,Munich,Germany,1994.

43. N.Haala, Detection of buildings by fusion of range and image data, ISPRS Comm. Ill Symposium,341 -346,Munich,Germany,1994.

44. C.Jaynes, F.Stolle,R.Collins, Task driven perceptual organization for extraction of roof polygons, DARPA Image Understanding Workshop, 359-365,Monterey,CA,1994.

45. R.T.Collins, A.R.Hanson, M.R.Risenman.H.Schultz, Automatic extraction of buildings and terrain from aerial images, Automatic Extraction of Man-Made Objects from Aerial and Space Images, 169-178, Birkhauser Verlag, Basel, 1995

46. R.B.Irvin, D.M.McKeown, Methods for exploiting the relationship between buildings and their shadows in aerial imagery, IEEE Transactions on Systems,Man and Cybernetics, 19(6):1564-1575,1989.

47. J.A.Shufelt, D.M.McKeown, Fusion of monocular cues to detect man-made structures in aerial imagery, Computer Vision, Graphics and Image Processing: Image Understanding, 57(3):307-330,1993

48. R.Roux, D.M.McKeown, Feature Matching for building extraction from multiple views, DARPA Image Understanding Workshop, 331 -349,Monterey,CA, 1994.

49. J.A.Shufelt, Exploiting photogrammetric methods for building extraction in aerial images, Inernational Archives of Photogrammetry and Remote Sensing, Vol.XXXI.B6,74-79,1996.

50. P.Garnesson.G.Giraudon,P.Montesinos, An image analysis system application for aerial imagery interpretation, International Conference on Pattern Recognition, 210-212, Atlantic City.NJ, 1990.

51. H.Wiman,P.Axelsson, Finding 3D-structures in multiple aerial images using lines and regions, Inernational Archives of Photogrammetry and Remote Sensing, Voi.XXXI.B3,953-959,1996.

52. U.Stilla, K.Jurkiewicz, Structural 3D-analysis of urban scenes from aerial images, Inernational Archives of Photogrammetry and Remote Sensing, Vol.XXXI,B3,832-838,1996.

53. T.Quiguer, Rectangular building 3D reconstruction in urban zones, Inernational Archives of Photogrammetry and Remote Sensing, Vol.XXXI.B3,657-662,1996.

54. O.Henricsson, F.Bignone, W.Willuhn, F.Ade, O.Kubler, E.Baltsavias, S.Mason, A.Gruen, Project AMOBE, strategies, current status and future work, Inernational Archives of Photogrammetry and Remote Sensing, Vol.XXXI.B3,321 -330,1996.

55. S.Yu.Zheltov, A.V.Sibiryakov, Adaptive Subpixel Cross-Correlation in a Point Correspondence Problem // Optical 3D Measurement Techniques, Zurich, 29 September- 2 October, 1997» pp.86-95.

56. S.Yu.Zheltov, A.V.Sibiryakov, Adaptive Subpixel Cross-Correlation Based On Preliminary Segmentation // International Symposium on Real-Time Imaging and Dynamic Analysis, Inteernational Archives for Photogrammetry and Remote Sensing, Hakodate,1998.

57. S.Yu.Zheltov, Y.B. Blokhinov, А.А. Stepanov, A.V.Sibiryakov, Computer 3D Site Model Generation Based On Aerial Images, // SPIE Proceedings, Vol.3084» 1997