Компьютерная Графика и Мультимедиа Сетевой журнал

Обнаружения и сопоставление точечных особенностей на изображениях является важной задачей компьютерного зрения и находит применение в таких приложениях как 3D реконструкция, индексация в базах данных изображений и т.д. На первый взгляд наборы соответствующих точек на изображениях дают довольно мало информации об изображениях и наблюдаемой сцене, но на самом деле это не так. Например, если у нас есть несколько изображений одной сцены и наборы соответствующих точек на этих изображениях мы можем определить настройки и положение камеры для каждого изображения. К сожалению, на данный момент нет универсального алгоритма качественно решающего данную задачу. Связано это с тем, что при съемке сцены изображения ее точек подвергаются различным искажениям, например проективные преобразования, связанные с перемещением камеры либо объектов сцены, изменения освещенности сцены и т.д. В данной статье будут рассказано о некоторых принципах построения алгоритмов сопоставления точечных особенностей, инвариантных к таким искажениям как изменение масштаба, вызванное например оптическим или цифровым zoom'ом, поворот изображения и изменения освещенности сцены.

Сегментацией изображения называется разбиение изображения на непохожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам, или их частям, а границы областей соответствуют границам объектов. В интерактивной сегментации пользователь может уточнять или дополнять входные данные в процессе работы алгоритма.

Сегментацией изображения называется разбиение изображения на непохожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам, или их частям, а границы областей соответствуют границам объектов. Сегментация играет важную роль в задачах обработки изображений и компьютерного зрения.

Для детального описания методов отслеживания точечных особенностей, калибровки камеры и реконструкции трехмерных объектов необходимо ввести модель перспективной проектирования и описать геометрические свойства этого преобразования. Точки нескольких изображений, полученных с помощью перспективной проекции, находятся в особых отношениях друг с другом, которые описываются эпиполярной геометрией. Модели этих отношений должны быть подробно рассмотрены, т.к. практически все методы трехмерной реконструкции требуют оценки соответствующих моделей и опираются на их свойства.

Глаз - единственный внутренний орган человека, который виден снаружи.
Поскольку внутренние органы человека уникальны, а изображение глаза к
тому же можно легко получить обыкновенным цифровым фотоаппаратом,
возникает вопрос, можно ли использовать рисунок радужки как некоторый
код, отличающий одного человека от другого. В статье рассматриваются
различные методы идентификации личности человека по текстуре радужки.

В данной статье кратко описывается общая постановка задачи
восстановления формы объекта по закраске (shape from shading).
Подробнее рассматривается конкретное приложение - восстановление
профиля человека по фронтальной фотографии.

В статье произведен небольшой анализ существующих методов разбиения
изображения на связные области и предложен модифицированный вариант
алгоритма region growing.

Извлечь из изображений структурированную и осмысленную информацию о
наблюдаемой сцене невероятно сложно. В статье дан обзор существующих
методов слежения за точечными особенностями сцены в потоке изображений.

Задача обнаружения лица на изображении (face detection) часто является "первым шагом" в процессе решения задачи "более высокого уровня" (например распознавания лица, распознавания выражения лица). В данной статье дается краткий обзор существующих методов, описание их достоинств и недостатков, приводятся ссылки на литературу для детального изучения.

Во многих алгоритмах распознавания встречается задача аппроксимации набора точек на изображении аналитической кривой. В статье рассмотрены классические алгоритмы решения этой задачи для случая аппроксимации прямых.