Распознавание характерных объектов на местности с использованием метода SURF

Авторы: Пименова М.Б.
Опубликовано в выпуске: #10(39)/2019
DOI: 10.18698/2541-8009-2019-10-540
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика
Ключевые слова: метод SURF, обработка изображений, распознавание изображений, ключевые точки, дескрипторы особых точек, калибровка камеры, машинное зрение
Опубликовано: 18.10.2019

Рассмотрен один из самых устойчивых к проективным искажениям методов — Speeded Up Robust Features (SURF), заключающийся в поиске особых точек изображения. Благодаря своей инвариантности к условиям съемки и проективным преобразованиям, алгоритм метода SURF может применяться для поиска объектов в реальном масштабе времени, решения навигационной задачи и определения текущего фрагмента подстилающей поверхности с целью получения координат летательного аппарата. Описан процесс распознавания заданного фрагмента на съемке в режиме реального времени. Рассмотрены различные алгоритмы предварительной обработки изображений, позволяющие повысить эффективность распознавания образов. Проведено исследование возможностей распознавания в условиях различной освещенности, при деформации масштабированием и поворотом, при изменении уровня яркости и размытости кадра, а также точки обзора.

Литература

[1] Бычков С.С. Классификация методов распознавания дорожных знаков по видеопоследовательности. Решетневские чтения, 2017, № 21-2, с. 313–314.

[2] Олейник А.Л. Применение бинарных дескрипторов для трекинга множества лиц в системах видеонаблюдения. Научно-технический вестник информационных технологий, механики и оптики, 2016, т. 16, № 4, с. 670–677.

[3] Панков В.В., Каплиева Н.А. Создание панорамных изображений методами компьютерного зрения. Вестник ВГУ, Серия: Cистемный анализ и информационные технологии, 2014, № 4, с. 71–74.

[4] Половинкин А.Н. Алгоритмы классификации изображений с большим числом категорий объектов. Вестник ННГУ, 2013, № 4-1, с. 225–230.

[5] Пастушков А.В., Калайда В.Т. Методы и алгоритмы поиска объекта на видеопотоке. Сборник научных трудов SWorld, 2013, т. 6, № 3, с. 38–42.

[6] Bay H., Ess A., Tuytelaars T., et al. “Speeded-up robust features (SURF)”. Comput. Vis. Image Und., 2008, vol. 110, no. 3, pp. 346–359. DOI: 10.1016/j.cviu.2007.09.014 URL: https://www.sciencedirect.com/science/article/pii/S1077314207001555

[7] Thambi M.S.S.M.S., Menon M.V.R. Offline text document authorization on the basis SIFT and SURF. IJSTE, 2015, vol. 1, no. 10, pp. 328–331.

[8] Lowe D.G. Object recognition from local scale-invariant features. Proc. Int. Conf. Computer Vision, 1999, pp. 1150–1157. DOI: 10.1109/ICCV.1999.790410 URL: https://ieeexplore.ieee.org/document/790410

[9] Дышлюк В.О. Исследование показателей качества и быстродействия поиска опорных точек на изображениях методом SURF. Молодой ученый, 2018, № 27, с. 23–26.

[10] Lowe D.G. Distinctive image features from scale-invariant keypoints. Int. J. Comput. Vis., 2004, vol. 60, no. 2, pp. 91–110. DOI: 10.1023/B:VISI.0000029664.99615.94 URL: https://link.springer.com/article/10.1023%2FB%3AVISI.0000029664.99615.94

[11] Gonzalez R.C., Woods R.E. Digital image processing. Prentice Hall, 2002.

[12] Грузман И.С., Киричук В.С., Косых В.П., и др. Цифровая обработка изображений в информационных системах. Новосибирск, Изд-во НГТУ, 2002.

[13] Hartley R., Zisserman A. Multiple view geometry in computer vision. Cambridge university press, 2003.

[14] Яне Б. Цифровая обработка изображений. М., Техносфера, 2007.