Механизм корреляции изображений

Одной из важнейших частей программ по цифровой обработке является корреляционный алгоритм, позволяющий автоматически определять соответственные точки снимков с высокой точностью, многократно увеличивая производительность труда оператора при проведении ориентирования в процессе измерений и построении ЦМР.

Отметим, что попытки автоматизировать процесс поиска соответственных точек (заменить при стереоизмерениях человека машиной) предпринимались еще в первой трети 20 века [12]. После второй мировой войны появилась реальная возможность решения этой задачи, и вскоре были созданы первые автоматические стереосистемы для измерения параллаксов электронными методами. При электронном определении параллаксов имеют место следующие два основных процесса: преобразование фотографических плотностей в электрические сигналы (то есть сканирование) и сравнение этих сигналов в корреляторе. Основная задача коррелятора оценить степень подобия между сигналами, идущими от снимков стереопары.

Величина продольного параллакса определялась как произведение скорости синхронно движущихся вдоль снимков сканирующих элементов на величину задержки времени между появлением подобных сигналов на левом и правом снимках стереопары. Определялось это время путем анализа выходного сигнала коррелятора, который должен быть равен максимуму при максимальном соответствии точек на левом и правом снимках.

При обработке цифровых снимков используется статистический метод, при котором участок на одном снимке сравнивается с различными участками на другом снимке. Причем речь идет о дискретных величинах, так как изображение – это множество пикселов, каждому из которых соответствует число (x, например, на левом снимке, а y – на правом) являющееся функцией оптической плотности. Поэтому коэффициент корреляции K можно оценивать по известной формуле:

,

(131)

где - средние а s¢(X),s¢(Y) стандарты множеств X и Y тех числовых значений, которые принимают пикселы в сравниваемых окнах. Понятно, что решением является максимальное значение коэффициента корреляции. На этом принципе и основаны алгоритмы поиска соответственных точек в большинстве программных продуктов цифровых фотограмметрических систем. Для того, чтобы уменьшить зону поиска, как правило, предлагается две-три соответственные точки (иногда и больше) зафиксировать в ручную. Кроме того, следует отметить, что механизм работает тем лучше, чем менее монотонно изображение объекта на снимках пары. Поэтому оператору целесообразно контролировать качество работы коррелятора и вовремя вводить коррективы.

В некоторых алгоритмах (PHOTOMOD) используются локально-нормированные значения, плотности, что делает его нечувствительным к различным уровням яркости и контрастности левого и правого снимков и позволяет легко различить соответственные точки даже при работе с изображениями плохого качества. Алгоритм также позволяет изменять размеры корреляционного окна для достижения нужного компромисса между надежностью и точностью определения соответственных точек и использовать ряд других параметров настройки коррелятора. Использование эпиполярных снимков значительно ускоряет работу коррелятора, так как предполагается, что соответственные точки расположены на одних и тех же строках растров левого и правого снимков.