Тип работы:
Предмет:
Язык работы:


Автоматическое построение панорамного изображения по видеоряду

Работа №131737

Тип работы

Бакалаврская работа

Предмет

математика и информатика

Объем работы30
Год сдачи2016
Стоимость4750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
31
Не подходит работа?

Узнай цену на написание


Введение 3
Постановка задачи 6
Обзор литературы 7
Глава 1. Общая схема решения 9
Глава 2. Используемые методы 10
2.1. Особые точки 10
2.2. Аффинное преобразование 15
Глава 3. Описание алгоритма и результаты 19
Заключение 25
Список литературы 26
Приложение 28

Панорамная фотосъёмка - разновидность съёмки с большим углом охвата сцены. Применяется в случае, когда стандартные углы обзора объективов недостаточны для отображения всей требуемой сцены.
С помощью панорамных методик мы получаем возможность «поймать в кадр» больше пространства, чем при использовании стандартного комплекта фототехники. Вопросами панорамной съёмки фотографы озабочены давно. И если раньше усилия конструкторов фототехники, профессиональных фотографов и любителей были направлены на аппаратные решения, то теперь более перспективными видятся решения программные.
Рассмотрим несколько примеров. Рисунок 1 представляет собой фотографию объекта, выполненную широкоугольным объективом (28 мм) с максимально возможного удаления. По условиям съёмки дальше отойти невозможно. Ширины обзора не хватает, виден лишь фрагмент. Выход из ситуации - панорама, которую можно видеть на рис. 2. Похожие условия возникают при фотосъёмке интерьеров и архитектуры. Необходимо показать широкое помещение при условии явного недостатка пространства (рис. 3).
Рис. 3. Комната
Восхитительной красоты фасады зданий зачастую просто неоткуда сфотографировать - дальше стены дома напротив не отойдёшь при всем желании (рис. 4).
Рис. 4. Зимний дворец
Создание панорам высокого и сверхвысокого разрешения для печати на многометровых баннерах - рисунок 5.
Рис. 5. Благовещенский мост
Рис. 6. Яндекс Панорамы
Другое применение панорамной съёмки - в онлайн сервисах Яндекс Панорамы и Google Street View, которые позволяют совершить виртуальное путешествие по сотням городов, осмотреть достопримечательности, сориентироваться в незнакомом районе, посмотреть на развязки и дорожные знаки (рис. 6).
Наконец, современная видеотехника позволяет снимать видео в высоком разрешении, которое также можно использовать для создания панорам. В этом отношении ныне весьма популярны экшн-камеры вроде GoPro.
Стоит отметить, что получение итогового изображения - достаточно долгий и трудоемкий процесс, как при ручном, так и автоматическом выполнении. В любом случае приходится иметь дело с оценкой оптимальных параметров съемки, перспективными искажениями, переменой освещения, перемещающимися объектами и многим другим. При программном решении задачи привлекаются методы обработки изображений и компьютерного зрения, которые, как правило, требуют большие вычислительные затраты.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В ходе проведенной работы был сформирован алгоритм для склеивания панорамного изображения по видеоряду, в котором производится съемка в одной плоскости, а также проведено исследование и сравнение методов поиска и описания особых точек. Полученный алгоритм не является привязанным к содержанию видео и его разрешению из-за использования алгоритма на основе поиска особых точек.
В данной реализации не использовались алгоритмы блендинга, не производилось оценки параметров камеры и устранение дисторсий, поэтому полученные результаты могут «проигрывать» панорамам, создаваемым специальными программами. Для сравнения приведем такую панораму, полученную с помощью программы Image Composite Editor, разработанную в Microsoft Research (рис. 24)
Из достоинств приведенного алгоритма можно выделить скорость работы.
Рис.24.


1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
2. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.
3. Szeliski R. Computer Vision: Algorithms and Applications. New York: Springer-Verlag, 2010. 812 p.
4. Hartley R., Zisserman A. Multiple View Geometry in Computer Vision. New York: Cambridge University Press, 2004. 670 p.
5. Szeliski R. Image Alignment and Stitching: A Tutorial // Foundations and Trends® in Computer Graphics and Vision, December 2006. Vol. 2, Issue 1. P. 1-104.
6. Brown M., Lowe D. G. Recognising Panoramas // Proceedings of the Ninth IEEE International Conference on Computer Vision, 2003. Vol. 2. P. 1218-1225.
7. Brown M., Lowe D. G. Automatic Panoramic Image Stitching Using Invariant Features // International Journal of Computer Vision, 2007. Vol. 74, Issue 1. P. 59-73.
8. Steedly D., Pal C., Szeliski R. Efficiently Registering Video into Panoramic Mosaics // Tenth IEEE International Conference on Computer Vision, 2005. Vol. 2. P. 1300-1307.
9. Bay H., Ess A., Tuytelaars T., Van Gool L. Speeded-Up Robust Features (SURF) // Computer Vision and Image Understanding, 2008. Vol. 110, Issue 3. P. 346-359.
10. Fischler M. A., Bolles R. C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography // Communications of the ACM, 1981. Vol. 24, Issue 6. P. 381-395.
11. Rublee E., Rabaud V., Konolige K., Bradski G. ORB: An efficient alternative to SIFT or SURF // Proceedings of the 2011 International Conference on Computer Vision, 2011. P. 2564-2571.
12. Alcantarilla P. F., Nuevo J., Bartoli A. Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces // British Machine Vision Conf. (BMVC). Bristol, UK. 2013.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ