Исследование алгоритмов автоматической идентификации точек на паре видеоснимков.

 к.т.н. , ,

В настоящее время для поддержания планов и карт в актуальном состоянии возникает необходимость ведения 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 пла-нов и карт.
Использование для этих целей традиционной аэрофотосъемки не всегда 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 оборудова-ния 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 раз-личными точками, и находится положение максимума функции корреля-ции.
Известен алгоритм сравнения образов изображения с использованием коэффициента корреляции [1]:
-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.
После обработки всех образов правого снимка, образ с наибольшей величиной оценки считается идентичным заданному.
Недостатком известных реализаций корреляционного и последова-тельного алгоритмов является то, что для обеспечения приемлемого бы-стродействия алгоритмов, приходится задавать приближенное положение нескольких идентичных точек на паре снимков. При автоматическом ориентировании пары снимков приближенное положение точек неиз-вестно. Поэтому в качестве области поиска используется все изображе-ние правого снимка. При этом время обработки резко увеличивается. Использование этих алгоритмов для автоматического ориентирования, без модификации, нецелесообразно.
Разработан алгоритм автоматического ориентирования пары 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.
Автоматическую идентификацию начальных точек можно выполнять на основе корреляционного или последовательного алгоритма поиска. 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 ошибочных данных.
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 этих алгоритмов.
Перед исследованием ставилось две цели:
– установить, какой из алгоритмов более эффективен для автоматического распознавания идентичных точек;
- определить оптимальные параметры поиска.
Для целей исследования распространенные типы местности были ус-ловно разделены на 3 типа:
– крупные объекты. Размеры объектов соизмеримы с размерами снимка;
– средние объекты. Размеры объектов в 4 – 7 раз меньше размеров снимка;
– мелкие объекты. Размеры объектов в 8 и более раз меньше раз-мера снимка.
Поскольку параметры поиска могут отличаться от площади перекры-тия снимков, были приняты 4 типа перекрытия:
– недостаточное перекрытие (1 – 30%);
– допустимое перекрытие (31 – 50%);
– достаточное перекрытие (51 – 70%);
– избыточное перекрытие (71 – 99%).
Исследовалось влияние следующих параметров поиска: цвет – показывает яркости какого цвета используются для анализа; коэффициент уменьшения – показывает во сколько раз исходное изображение будет уменьшено при поиске начальных точек; эталонный образ – это участки изображения заданного размера, в пределах которых сравниваются изображения левого и правого снимков; пороговый коэффициент корреляции.
По каждому интервалу перекрытия и каждому типу местности подбирались по 5 стереопар. Для каждого случая рассчитывались минимальные и максимальные значения параметров поиска. Каждая стереопара ориентировалась многократно, используя все возможные комбинации параметров. В среднем, ориентирование каждой пары снимков выполнялось 600 раз.
В  результате был получен набор данных для каждого случая съемки.
При анализе результатов измерений определялись оптимальные параметры поиска для каждого типа местности и перекрытия. Анализ выполнялся в несколько этапов. Сначала определялось пороговое значение коэффициента корреляции и на его основе вычислялся процент верно распознанных точек. Отбирались те комбинации параметров, у которых процент правильно измеренных точек превышал 90%. Из оставшихся вариантов выбиралась наиболее быстродействующая комбинация.
Таким образом, оптимальные параметры поиска были определены для корреляционного и комбинированного алгоритма.
Сравнивая время работы и надежность измерений можно сделать следующий вывод. При автоматических измерениях точек на основе комбинированного алгоритма ориентирование стереопары выполняется в 2 – 3 раза быстрее. Следовательно, предложенный алгоритм является более эффективным.
Таким образом, разработан алгоритм автоматического ориентирование пары видеоснимков. Выполнено сравнение алгоритмов. Установлены оптимальные параметры поиска для различных типов местности и пере-крытия. Предложены параметры поиска для работы с любым типом местности и различным перекрытием.
В  СибРКЦ «Земля» и на предприятии «Сибземкадастрасъемка» даная разработка используется для выполнения фототриангуляции по материа-лам аэровидеосъемки.