Система тестирования алгоритмов стабилизации видеоизображений, функционирующих в режиме реального времени

Приведена система тестирования алгоритмов стабилизации изображений. Выполнен анализ входных данных, рассмотрены способы представления возможных искажений, осуществлен отбор алгоритмов в целях последующих испытаний. Разработан испытательный стенд для тестирования каждого алгоритма и оценки его применимости в задаче совмещения кадров. Система тестирования алгоритмов стабилизации изображений состоит из параметризованного генератора видеопоследовательностей, симулирующего режим слежения, параметризованного генератора искажений и помех, анализатора ошибок работы алгоритма совмещения и модуля генерирования отчета. В параметризованном генераторе искажений реализована физически корректная модель шумов, а также модель помех на изображении. Опытным путем установлены критические значения параметров искажений каждого тестируемого алгоритма. Проведено тестирование и сравнение выбранных алгоритмов. На основе анализа полученных результатов в качестве примера выбран наиболее подходящий алгоритм поиска совмещения кадров в режиме реального времени

Литература

[1] Головастов А. Машинное зрение и цифровая обработка изображений // Современные технологии автоматизации. 2010. № 4. С. 8–18.

[2] Вишняков Б.В., Визильтер Ю.В., Лагутенков А.В. Использование модифицированного метода оптических потоков в задаче обнаружения и межкадрового прослеживания движущихся объектов // Вестник компьютерных и информационных технологий. 2007. № 5. С. 2–8.

[3] Бронштейн И.Г., Унчун Чо, Старченко А.П. Разработка методики и исследование электронной системы стабилизации изображений видеокамеры // Информационно-управляющие системы. 2008. № 1. С. 7–11.

[4] Карпухин И.В. Способы стабилизации изображений // Евразийский научный журнал. 2016. № 2. С. 174–177.

[5] Борисова А.Ю., Смаль А.В., Синицын А.В. Обзор и оценка методов стабилизации изображения систем технического зрения // Молодежный научно-технический вестник. 2015. № 8.

[6] Думчев С.В., Думчев Е.В. Стабилизация изображения, полученного со статически установленной видеокамеры // Известия ТулГУ. Технические науки. 2014. № 9 (Ч. 1). С. 64–70.

[7] Курчанов Г.О., Шведов А.П. Система цифровой стабилизации видеоизображения на базе экстремально-корреляционного метода поиска // Известия ТулГУ. Технические науки. 2016. № 10. С. 103–111.

[8] Zhu J., Guo B. Video stabilization with sub-image phase correlation // Chinese Opt. Lett. 2006. Vol. 4. № 9. P. 553–555.

[9] Буряченко В.В., Зотин А.Г. Анализ методов стабилизации видео, основанных на определении движения кадра // Актуальные проблемы авиации и космонавтики. 2010. № 6. С. 339–341.

[10] Щербаков В.В., Гарганеев А.Г., Шакиров И.В. Алгоритм расчета оптического потока в задачах оценки параметров геометрических преобразований // Докл. ТУСУР. 2012. № 2 (26). Ч. 1. С. 265–268.

[11] Bab–Hadiashar A., Suter D. Robust optic flow computation // Int. J. Comput. Vis. 1998. Vol. 29. No. 1. P. 59–77. DOI: 10.1023/A:1008090730467

[12] Стрельников К.Н. Использование особенностей современного представления цифровых видеоданных для оптимизации алгоритмов обработки // Техническое зрение в системах управления мобильными объектами–2010. Тр. науч.-техн. конф. М.: КДУ, 2011. С. 277–281.

[13] Hartley R., Zisserman A. Multiple view geometry in computer vision. New York: Cambridge University Press, 2004. 670 p.

[14] Lowe D. Distinctive image features from scale-invariant keypoints // Int. J. Comput. Vis. 2004. No. 1. P. 91–110. DOI: 10.1023/B:VISI.0000029664.99615.94

[15] Bay H., Essa A., Tuytelaars T., Van Gool L. Speeded-up robust features (SURF) // Comput. Vis. Image Underst. 2008. Vol. 110. No. 3. P. 346–359. DOI: 10.1016/j.cviu.2007.09.014

[16] Szeliski R. Image alignment and stitching: a tutorial // Foundations and Trends in Computer Graphics and Vision. 2006. Vol. 2. No. 1. P. 1–104.