Совмещение инфракрасных изображений с изображениями видимого диапазона в задачах идентификации подвижных наземных целей с борта беспилотного летательного аппарата

Авторы

Казбеков Б. В.

Московский авиационный институт (национальный исследовательский университет), Волоколамское шоссе, 4, Москва, A-80, ГСП-3, 125993, Россия

e-mail: kazbekovbv@gmail.com

Аннотация

В статье описаны методы формирования информативных признаков изображений. Проведен сравнительный анализ методов и обоснован выбор признакового описания изображений. Исследована устойчивость признакового метода к типовым искажающим факторам, возникающим при съемке с борта беспилотного летательного аппарата (БЛА). Обосновано использование совместного анализа изображений видимого и инфракрасного диапазонов.

Ключевые слова

представление изображения, ключевые признаки изображения, инфракрасные (ИК) изображения, идентификация подвижных объектов

Библиографический список

1. Hörster E., Lienhart R., Slaney M. Image retrieval on large-scale image databases // Proc. 6th ACM int. conf. on Image and Video Retrieval, CIVR 2007. 2007. P. 17–24.
2. Потапов А.С. Исследование представлений изображений на основе принципа репрезентационной длины описания // Изв. вузов. Приборостроение. 2008. Т. 51. № 7. С. 3-7.
3. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов: М., Радио и связь. 1987. 400 с.
4. Chan T.F., Shen J., and Vese L. Variational PDE models in image processing // Notice Amer. Math. Soc. 2003. V. 50. P. 14–26.
5. Lei B.J., Hendriks E.A., Reinders M.J.T. On feature extraction from images // Technical Report, Deliverable 2.1.1.2.A+B, MCCWS project, Information and Communication Theory Group. TU Delft. 1999. 57 p.
6. Baker S. Design and Evaluation of Feature Detectors: PhD thesis. Columbia University. 1998. 167 p.
7. Фурман Я.А. и др. Введение в контурный анализ и его приложения к обработке изображений и сигналов: М., Физматлит, 2002. 592 с.
8. Brown L.G. A survey of image registration techniques // ACM Computing surveys. 1992. V. 24. P. 325–376.
9. Lutsiv V.R., Malyshev I.A., Pepelka V., Potapov A.S. Target independent algorithms for description and structural matching of aerospace photographs // Proc. SPIE. 2002. V. 4741. P. 351–362.
10. Nacken P. Image analysis methods based on hierarchies of graphs and multi-scale mathematical morphology: PhD thesis, Univ. of Amsterdam. 1994. 176 p.
11. Розенфельд А., Дейвис Л.С. Сегментация и модели изображения // ТИИЭР. 1979. Т. 67. № 5, С. 71–81.
12. Абду И.Э., Прэтт У.К. Количественный расчет детекторов контуров, основанных на подчеркивании перепадов яркости с последующим пороговым ограничением // ТИИЭР. 1979. Т. 67. № 5. С. 59–70.
13. Робертс Л. Автоматическое восприятие трехмерных сцен. // В кн. Интегральные роботы: М., Мир. 1973 С. 162–208.
14. Prewitt J.M.S. Object enhancement and extraction. In: Picture Processing and Psychopictorics, Lipkin B.S. and Rosenfeld A., eds. New York, Academic Press. 1970. P. 75–149.
15. Дуда Р.,Харт П. Распознавание образов и анализ сцен: М., Мир.1976. 511 с.
16. Canny J.F. A computational approach to edge detection // IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. V. 8. No. 6. P. 679–698.
17. Deriche R. Optimal edge detection using recursive filtering // Proc. 1st Int. Conf. Computer Vision. 1987. P. 501–505.
18. Lindeberg T. Edge detection and ridge detection with automatic scale selection // Int. J. of Computer Vision. 1998. V. 30. Iss. 2. P. 117–156.
19. Park R.-H., Yoon K.S., Choi W.Y. Eight-point discrete Hartley transform as an edge operator and its interpretation in the frequency domain // Pattern Recognition Letters. 1998. V. 19. P. 569–574.
20. Chanda B., Kundu M.K., Padmaja Y.V. A multi-scale morphologic edge detector // Pattern Recognition. 1998. V. 31. No. 10. P. 1469–1478.
21. Lutsiv V., Malyshev I., Potapov A. Hierarchical structural matching algorithms for registration of aerospace images // Proc. SPIE. 2003. V. 5238. P. 164–175.
22. Thomas P. and Vernon D. Image registration by differential evolution // Proc. Irish Machine Vision and Image Processing Conference. 1997. P. 221–225.
23. Jerebko A., Barabanov N., Luciv V., Allinson N. Neural net based image matching // Proc. SPIE. 2000. V. 3962. P. 128–137.
24. Thevenaz P. et al. A pyramid approach to subpixel registration based on intensity, IEEE Trans. Image Processing, 1998, vol.7, no.1, pp. 27–41.
25. Olson C.F. Improving the generalized Hough transform through imperfect grouping, Image and Vision Computing, 1998, vol.1, pp. 627–634.
26. Castleman K.R. Digital Image Processing, New York, Prentice Hall Press, 1996. 667 p.
27. Petrou M., Kadyrov A. Affine invariant features from the trace transform, IEEE Trans. on Pattern Analysis and Machine Intelligence, 2004, vol. 26, no.1, pp. 30–44.
28. Lowe D. Object recognition from local scale-invariant features, Proc. Int. Conf. on Computer Vision, 1999, pp. 1150–1157.
29. Разин И.В., Тетерин В.В. Математическая модель для экспресс-оценки степени сходства изображений // Оптический журнал. 2001. № 11. С. 33–37.
30. Kruizinga P., Petkov N. Nonlinear operator for oriented texture, IEEE Trans. on Image Processing, 1999, vol. 8, no.10, pp. 1395–1407.
31. Portilla J., Simoncelli E.P. A parametric texture model based on joint statistics of complex wavelet coefficients, Int. J. of Computer Vision, 2000., vol.40, no.1, pp.49–71.
32. Baumberg A. Reliable feature matching across widely separated views, Conf. on Computer Vision and Pattern Recognition, 2000, pp. 774–781.
33. Rao C., Guo Y., Sawhney H.S., Kumar R. A heterogeneous feature-based image alignment method, Int. Conf. on Pattern Recognition, ICVR06, 2006, pp. 345–350.
34. Zavorin I., LeMoigne J. Use of multiresolution wavelet feature pyramids for automatic registration of multisensor imager, IEEE Trans. Image Processing, 2005, vol.14,no.6, pp. 770–782.
35. Казбеков Б.В., Максимов Н.А., Пуртов И.С., Синча Д.П. Nauchno-te№5, 2011г., стр. 20-26.

Скачать статью