Исследование алгоритмов автоматической идентификации точек на паре видеоснимков

Исследование алгоритмов автоматической идентификации точек на паре видеоснимков

Быков Л.В., Ессин А.С., Макаров А.П.

В настоящее время для поддержания планов и карт в актуальном состоянии возникает необходимость ведении локального мониторинга территорий. Под локальным мониторингом территорий подразумевают получение и нанесение на дежурную карту оперативной информации о выборочных участках местности в период сезонных периодических или эпизодических изменений. Например, в период весеннего паводка, в случае аварий, экологических катастроф, при оценке состояния дорог, трубопроводов и иных объектов, при корректировке и обновлении планов и карт.

Использование для этих целей традиционной аэрофотосъемки не целесообразно, так как ее проведение связано со значительными затратами времени и финансовых средств. Для обновления локальных участков карты имеет смысл использовать материалы аэровидеосъемки [2]. Ее преимущество в том, что можно без дорогостоящего оборудования и специальной авиатехники получить аэроснимки местности.

В отличие от материалов аэрофотосъемки, видеоснимки захватывают небольшую по площади территорию. Мозаика ортофотоплана на площади в 100 га может состоять из 200 – 250 снимков. Фотограмметрическая обработка такого количества снимков на столь малой площади имеет смысл лишь в том случае, если технологические процессы максимально автоматизированы. Ключевой проблемой здесь является автоматизация стереоизмерений.

Классический способ идентификации точек на паре снимков состоит в том, что формируется величина, измеряющая корреляцию между различными точками, и находится положение максимума функции корреляции.

Известен алгоритм сравнения образов изображения с использованием коэффициента корреляции [1]:

где riл – яркость текущей точки на левом снимке;

riп – яркость текущей точки на правом снимке;

– средние значения яркостей точек соответственно на левом и правом снимках;

N- размерность образа.

Нахождение идентичных точек стереопары сводится к определению максимального коэффициента корреляции k при сравнении заданного образа на левом снимке со всем разнообразием образов правого снимка.

Существует алгоритм [3] последовательной привязки изображений, в котором вычисляется мера различия образов левого и правого снимков

(2)

где - яркость текущего элемента в образе на левом снимке;

- яркость текущего элемента в образе на правом снимке;

После обработки всех образов правого снимка, образ с наибольшей величиной оценки считается идентичным заданному.

Недостатком известных реализаций корреляционного и последовательного алгоритмов является то, что для обеспечения приемлемого быстродействия алгоритмов, приходится задавать приближенное положение нескольких идентичных точек на паре снимков. При автоматическом ориентировании пары снимков приближенное положение точек неизвестно. Поэтому в качестве области поиска используется все изображение правого снимка. При этом время обработки резко увеличивается. Использование этих алгоритмов для автоматического ориентирования, без модификации, нецелесообразно.

Разработан алгоритм автоматической идентификации точек на паре видеоснимков. Решение задачи автоматического ориентирования осуществляется в несколько этапов. Первоначально исходные изображения снимков уменьшаются. На уменьшенных изображениях выполняется поиск 100 –150 идентичных точек. Полученные координаты пересчитываются на исходные снимки. Производится уточнение начальных точек на снимках реальных размеров. Начальные точки используются для связи координатных систем левого и правого снимков.

Достоинством корреляционного алгоритма является наличие надежного критерия контроля результатов, а недостатком – низкая скорость работы. Последовательный алгоритм имеет высокую скорость работы, но не имеет надежного критерия отбраковки.

Предлагается комбинированный алгоритм идентификации точек, в котором объединены достоинства этих двух алгоритмов. Последовательность действий следующая. Выполняется предварительный поиск точки, используя последовательный алгоритм. Для найденной пары точек вычисляется коэффициент корреляции. По величине коэффициента корреляции делается заключение о правильность определения.

Таким образом, имеется два алгоритма для автоматической идентификации начальных точек: корреляционный и комбинированный.

Выполнено исследование по выбору более эффективного алгоритма. В качестве критериев при сравнении использовались правильность измерений и время работы.

Измерения выполнялись по видеоснимкам различных типов местности и различного перекрытия. Для каждой стереопары рассчитывались минимальные и максимальные значения параметров поиска. Ориентирование стереопар выполнялось многократно, используя все возможные комбинации параметров. В среднем ориентирование каждой пары снимков выполнялось 600 раз.

В результате исследования определены оптимальные параметры поиска и установлено, что комбинированный алгоритм поиска более эффективен. Так как при его использовании время автоматического ориентирования стереопары в 2 – 3 раза меньше.

Таким образом, разработан алгоритм автоматического ориентирования снимков стереопары и установлены оптимальные параметры поиска. В СибРКЦ "Земля" и «СибЗемКадастрСъемка» данная разработка используется для создания цифровых ортофотопланов по материалам аэровидеосъемки.

Список литературы

1. Лобанов А. Н., Журкин И. Г. Автоматизация фотограмметрических процессов. – М.: Недра, 1980, с. 240.

2. Макаров А. П., Быков Л. В. «Опыт и перспективы обновления кадастровых планов с применением материалов аэровидеосъемки местности» – Гис-Ассоциация / Информационный бюллетень, №2 (29) – 3 (30), 2001, с. 7-9.

3. Прэтт У. Цифровая обработка изображений: Пер. с англ. – М.: Мир, 1982. – кн. 2, с. 480.