УДК: 004.932

Исследование методов сегментации поверхностей при сопоставлении изображений в трехмерном пространстве

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Пономарев С.В. Исследование методов сегментации поверхностей при сопоставлении изображений в трехмерном пространстве // Оптический журнал. 2015. Т. 82. № 8. С. 76–83.

Ponomarev S.V. Investigating surface-segmentation methods when images are being compared in three-dimensional space [in Russian] // Opticheskii Zhurnal. 2015. V. 82. № 8. P. 76–83.

Ссылка на англоязычную версию:

S. V. Ponomarev, "Investigating surface-segmentation methods when images are being compared in three-dimensional space," Journal of Optical Technology. 82(8), 551-556 (2015). https://doi.org/10.1364/JOT.82.000551

Аннотация:

Исследованы методы сегментации поверхностей в трехмерном пространстве в рамках решения задачи структурного сопоставления изображений. Представлен алгоритм сопоставления изображения в трехмерном пространстве, рассмотрены способы повышения устойчивости разработанного алгоритма к условиям съемки. Дана количественная оценка точности сегментации и быстродействия исследуемых методов. на основе результатов исследования предложена модификация алгоритма сопоставления изображений.

Ключевые слова:

структурное сопоставление, методы сегментации, трехмерное пространство

Благодарность:

Работа выполнена при поддержке Министерства образования и науки Российской Федерации и частично при государственной поддержке ведущих университетов Российской Федерации (субсидия 074-U01).

Коды OCIS: 150.1135

Список источников:

1. Lutsiv. V.R., Malyshev I.A., Potapov A.S. Hierarchical structural matching algorithms for registration of aerospace images // Proc. SPIE. 2003. V. 5238. P. 164–175.
2. Andreev V.S., Gubkin A.F., Iljashenko A.S., Kadykov A.B., Lapina N.N., Lutsiv V.R., Malyshev I.A., Novikova T.A., Potapov A.S. Algorithms for automatically processing and analyzing aerospace pictures // Journal of optical technology. 2007. V. 74, No. 5. P. 307–322.

3. Krishnapuram R., Gupta S. Morphological Methods for Detection and Classification of Edges in Range Images // Math. Imaging and Vision. 1992. V. 2. PP. 351–375.
4. Arman F., Sabata B., Aggarwal J.K. Segmentation of 3D Range Images Using Pyramidal Data Structures // Proc. CVGIP: Image Understanding. 1993. V. 57, № 3. PP. 373–387.
5. Besl P.J., Jain R.C. Segmentation through Variable Order Surface Fitting // IEEE Trans. Pattern Analysis and Machine Intelligence. 1988. V. 10, № 2. PP. 167–192.
6. Gupta A., Leonardis A., Bajcsy R. Segmentation of Range Images as the Search for Geometric Parametric Models // Int’l J. Computer Vision. 1995. V. 14. № 3. PP. 253–277.
7. Hoffman R.L, Jain A.K. Segmentation and Classification of Range Images // IEEE Trans. Pattern Analysis and Machine Intelligence. 1987. V. 9. № 5. PP. 608–620.
8. Flynn P.J., Jain A.K. Surface classification: hypothesis testing and parameter estimation // Proc. Computer Vision and Pattern Recognition. 1988. PP. 261–267.
9. Ballard D.H. Generalized Hough Transform to Detect Arbitrary Shapes // Pattern Recognition. 1981. V. 13. №. 2. PP. 111-122.
10. Holz D., Behnke S. Fast Range Image Segmentation and Smoothing Using Approximate Surface Reconstruction and Region Growing // Advances in Intelligent Systems and Computing. 2013. V. 194. PP. 61–73.
11. Adams R., Bischof L. Seeded region growing. // IEEE Trans. Pattern Analysis Machine Intelligence.1994. V.16. №.6. PP. 641–647.
12. Fischler M., Bolles R. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography // Communications of the ACM. 1981. V.24. PP. 381–395.
13. Yang M.Y., Foerstner W. Plane Detection in Point Cloud Data // Technical Report, Department of Photogrammetry, University of Bonn, 2010. 16 p.
14. Potapov A.S. Principle of Representational Minimum Description Length in Image Analysis and Pattern Recognition // Pattern Recognition and Image Analysis. 2012. V. 22. No. 1. P. 82–91.