Применение ориентации градиента яркости для систем автосопровождения объектов
Борисова И.В., Легкий В.Н., Кравец С.А.

 

Новосибирский государственный технический университет, Новосибирск, Россия

Аннотация:
Рассматривается задача автосопровождения объекта, находящегося на сложном естественном фоне. Обнаружение объекта производится в каждом кадре видеопоследовательности путем поточечного сопоставления с эталоном. Предлагаемый метод основан на представлении каждой точки изображения ориентацией градиента яркости в локальной окрестности. В зависимости от своей ориентации окрестности разделяются на классы. Помимо классов анизотропных окрестностей, вводится класс окрестностей с изотропной структурой. Классы нумеруются, и номер класса окрестности принимается в качестве признака рассматриваемой точки. После кодировки изображение сканируется эталоном, используемая мера близости – поэлементное сравнение (компарация). В результате формируется компарационная матрица, каждый элемент которой есть число совпадений элементов эталона и текущего фрагмента изображения. Локация объекта производится по максимальному значению компарационной матрицы. Для достижения устойчивого сопровождения применяется особое правило перезаписи эталона – динамическая мера близости. Результаты тестирования показали более устойчивое сопровождение объекта по сравнению с использованием нормированной корреляционной меры.

Ключевые слова:
обработка изображений, автосопровождение целей, направление градиента яркости, эталонный фрагмент.

Цитирование:
Борисова, И.В. Применение ориентации градиента яркости для систем автосопровождения объектов / И.В. Борисова, В.Н. Легкий, С.А. Кравец // Компьютерная оптика. – 2017. – Т.41, №.6 – С. 931-937. – DOI: 10.18287/2412-6179-2017-41-6-931-937.

Литература:

  1. Попов, П.Г. Практическое применение эффекта «отскока» в обработке изображений / П.Г. Попов, И.В. Борисова // Оптический журнал. – 1999. – Т. 66, № 4. – С. 94-101.
  2. Haralick, R.M. A facet model for image data / R.M. Haralick, L.T. Watson // Computer Graphics and Image Processing. – 1981. – Vol. 15, Issue 2. – P. 113-129. – DOI: 10.1016/0146-664X(81)90073-3.
  3. Lowe, D.G. Object recognition from local scale-invariant features / D.G. Lowe // Proceedings of the International Conference on Computer Vision. – 1999. – Vol. 2. – P. 1150-1157. – DOI: 10.1109/ICCV.1999.790410.
  4. Dalal, N. Histograms of oriented gradients for human detection / N. Dalal, B. Triggs // Computer Vision and Pattern Recognition. – 2005. – Vol. 1. – P. 886-893. – DOI: 10.1109/CVPR.2005.177.
  5. Мирамонте-Харамилло, Д. Алгоритм сопоставления изображений на основе скользящих гистограмм направленных градиентов / Д. Мирамонте-Харамилло, В.Х. Диас-Рамирес, В.И. Кобер, В.Н. Карнаухов // Информационные процессы. – 2014. – Т. 14, № 1. – С. 56-63.
  6. Лукашевич, П.В. Масштабно-инвариантный алгоритм обнаружения областей изображений / П.В. Лукашевич, Б.А. Залесский // Информатика. – 2011. – № 3. – С. 118-128.
  7. Haber, E. Intensity gradient based registration and fusion of multi-modal images / E. Haber, J. Modersitzki // International Conference on Medical Image Computing and Computer-Assisted Intervention. – 2006. – Vol. 9. – P. 726-733. – DOI: 10.1007/11866763_89.
  8. Блохинов, Ю.Б. Поиск трехмерных объектов на изображениях на основе динамически формируемых контурных эталонов / Ю.Б. Блохинов, А.С. Чернявский // Механика, управление и автоматика. – 2012. – № 2(8). – С. 181-188.
  9. Борискевич, И.А. Адаптивная ковариационная стабилизация видеоизображения / И.А.Борискевич, В.Ю.Цветков // Доклады Белорусского государственного университета информатики и радиоэлектроники. – 2015. – № 5(91). – С. 60-66.
  10. Попов, П.Г. Динамическая мера близости изображений: Часть II: Кратковременная память. Системы контроля / П.Г. Попов // Автометрия. – 1994. – № 2. – С. 47-54.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20