Удосконалення математичних моделей та методів оптимізації в задачаx погодження стереозображень

Abstract

Дисертація присвячена підвищенню продуктивності процесу погодження стереозображень за рахунок розробки нових математичних моделей та удосконалення методів оптимізації цільової функції. Для досягнення поставленої мети удосконалено ієрархічний підхід до погодження зображень, який базується на уточненні цільової функції шляхом застосування просторово орієнтованої фільтрації, що знизило ефект погіршення границь і підвищило точність визначення функції відмінності особливо для нахилених і слабо текстурованих поверхонь. Розроблено математичні моделі, що відображають розподіл значень функції вартостей та регуляризаційного доданку композицією експоненційного та рівномірного законів розподілу, які враховують ефект впливу загороджених пікселів. З використанням розроблених математичних моделей, удосконалено метод погодження зображень, особливість якого полягає у використання нових залежностей для ітераційного розрахунку оптимальних параметрів регуляризації і визначенні на їх основі функції відмінності, що забезпечує автоматизацію вибору параметрів погодження при реконструкції зображень сцени. Результати чисельного моделювання запропонованих методів підтверджують ефективність проведених рішень.Диссертация посвящена увеличению производительности процесса соответствия изображений, за счет разработки новых математических моделей и методов оптимизации целевой функции. Для достижения цели, усовершенствован метод оптимизации целевой функции на базе динамического программирования, который учитывает междустрочные зависимости на изображении. Это снижает количество артефактов характерных для метода динамического программирования. Усовершенствован иерархический подход для методов поиска соответствий на стереоизображениях, который базируется на уточнении целевой функции с использованием методов пространственно-направленной фильтрации, что увеличило точность определения функции различия. Разработанные математические модели целевой функции представляют собой, композицию экспоненциального и равномерного законов распределения, которые учитывают влияние загражденных пикселей. На основании разработанных моделей, усовершенствован метод поиска соответствий на стереоизображениях, особенностью которого есть использования новых зависимостей, для итерационного расчёта оптимальных параметров регуляризации и определении на их основании функции различий, что обеспечивает автоматический выбор параметров для методов поиска соответствий на стереоизображениях сцены. Результаты численного моделирования предложенных методов соответствия показали эффективность сделанных модификаций.The thesis is dedicated to improvement of mathematical models and optimization methods of cost function in the image matching task. In order to perform image matching task solution many known methods have been analyzed and theirs shortcomings have been marked. The main shortcomings of the methods are: long time of optimization of cost function and lack of direct consideration of occluded pixels. The first shortcoming has been removed using proposed optimization method of cost function optimization that is based on minimization of energy functional by two pass dynamic programming. The employing two pass dynamic programming as optimization technique that performs optimization both along and across scan lines allowed a typical inter scan-line inconsistency problem to be solved. The boundary overreach problem that emerges in hierarchical course to fine approach for image matching methods is considered. An alternative enhanced method for solving the problem based on spatial Habor filtering is proposed. Experimental cooperative results are given. Second shortcoming has been removed using proposed method based on maximum posteriori probability searching. Main idea of the method is the s dense stereo matching problem solution based on optimal Markov random field (MRF) parameters estimation. To estimate these parameters we use a probabilistic model that formulates stereo as maximum a posterior problem for both disparity function and MRF parameters. Approximation of two parts of cost functions by mixture that consists of Gaussian distribution function with uniform probability function. The proposed probability model that incorporating extra information about occluded pixels allows us to reduce the disparity map error. The method calculates robust truncation thresholds for both data and neighborhood terms, as well as the regularization weight. There regularization weight can be either a constant for the whole image or spatially-varying, depending on local intensity gradients. In the latter case, the weights for intensity gradients are also estimated. Our approach works as a wrapper for existing stereo algorithms based on graph cuts or belief propagation, automatically tuning their parameters to improve performance without requiring the stereo code to be modified. In practice, however, ground truth disparities are unknown and we propose an iterative algorithm that alternates between estimating MRF parameters from the current histograms and estimating disparities using the current MRF parameters. The algorithm iterates until the estimated disparity map yields histograms that agree with the MRF parameters or a fixed number of iterations is reached. Results of numerical modeling of proposed methods have shown effectiveness of introduced changes.