А.И. Коротаев, В.И. Кузовлев
6
рого набора значений этих структурных параметров. Подобное зада-
ние оператора приведения
n
f
R
позволяет перерабатывать с помощью
распознающего оператора как описания
( )
I
, представляющие
«формально» выбранные (перебираемые) участки изображения (ло-
кальные окрестности), так и описания
( )
I
, представляющие объек-
ты или группы объектов, выделяемые на изображении (например,
описания контуров областей, если в соответствующем операторе
n
f
R
реализована процедура сегментации).
Одним из наиболее распространенных методов идентификации
является корреляционный. При незначительных отличиях в ракурсах
съемки и на достаточно гладких объектах (поверхностях) от него
можно ожидать хороших результатов.
Сложность применения корреляционного метода заключается в
том, чтобы подобрать такие размеры сопоставляемых фрагментов
простой формы (усложнение формы, как показали опыты, к суще-
ственному улучшению результатов не приводит), при которых отли-
чия в соответствующих фрагментах еще невелики (для этого нужно
уменьшать размеры), а оценка коэффициента корреляции остается
достоверной (для этого размеры надо увеличить). Серьезным недо-
статком корреляционной меры сходства является ее чувствитель-
ность к геометрическим искажениям видимых размеров сопряжен-
ных фрагментов при изменении ракурса съемки.
Корреляционный метод показывает хорошие результаты при
съемке гладких изображений под малыми углами. Однако в связи с
тем, что данный метод подразумевает большое количество вычисле-
ний, он достаточно ресурсоемкий.
Метод «квадрат разности точек» показал положительные резуль-
таты в задаче сопряжения точек на рельефном изображении. Данный
метод также позволяет проводить поиск точек на изображениях, сня-
тых под достаточно большими углами .
Авторами предложена и исследована модификация метода
«квадрат разности матриц» (использование вместе с дискретным ко-
синусным преобразованием (DCT)).
Метод DCT получил распространение в алгоритмах сжатия с поте-
рями, таких как JPEG и MPEG-4. В этих алгоритмах используются от-
личия интенсивностей от частот — медленные изменения более замет-
ны, чем быстрые, так что данные низкой частоты более важны, чем
данные высокой частоты для восстановления изображения.
В задаче поиска точек DCT использовался для получения частот-
ных характеристик матрицы окружения, которая сравнивалась с со-
ответствующей матрицей окружения на втором изображении. При-
менение DCT в задачах поиска точек улучшило качество сопряжения
точек, но увеличило время сопряжения точек на порядок.
