Porównywanie zdjęć roślin na podstawie miar podobieństwa różniących się wykładnikiem potęgi

• Autorzy: Kaczmarek Adam L.

Identyfikatory

DOI

10.32016/1.68.02

Warianty tytułu

EN

Comparison of images of plants on the basis of similarity metrics with different exponents

• Konferencja: Zastosowanie komputerów w nauce i technice 2019 (XXIX ; 2019 ; Gdańsk ; Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia studium przypadku poświęcone zastosowaniu różnych miar podobieństwa do porównywania zdjęć roślin. Miary te mają zastosowanie w przypadku użycia układu kamer składającej się z pięciu kamer umieszczonych w bliskiej odległości. Badany układ kamer, nazwany EBCA (Equal Baseline Camera Array), składa się z jednej kamery centralnej oraz kamer bocznych. Opisane miary podobieństwa stosuje się w algorytmach widzenia stereoskopowego pozwalających na oszacowanie odległości między kamerami a obiektami widocznymi na zdjęciach. W artykule zaproponowane zostało uogólnienie stosowanych dotychczas miar tj. SAD (Sum of Absolute Differences) i SSD (Sum of Squared Differences). Przeprowadzone eksperymenty świadczą to tym, że zaproponowane miary pozwalają na redukcję błędów oszacowania polegających na otrzymaniu wyników odbiegających od prawidłowych wartości o przyjętą wartość progową.

EN

The paper presents a case study concerned with applying different similarity measures for comparing images of plants. These measures are used for a camera array which consists of five adjacent cameras. The researched array called Equal Baseline Camera Array (EBCA) contains one central camera and four side cameras. The described measures can be used with stereo vision algorithms designed for estimating distances between cameras and objects visible in images taken with the use of these cameras. The paper introduces generalizations of currently used measures such as Sum of Absolute Differences (SAD) and Sum of Squared Differences (SSD). The experiments show that the proposed measures make it possible to reduce estimation errors which occur in results differing from right values more than a selected threshold.

Słowa kluczowe

PL

widzenie stereoskopowe; łańcuch kamer; mapa rozbieżności; mapa głębi

EN

stereo vision; camera array; disparity map; depth map

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2019
• Tom: Nr 68
• Strony: 13--16
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Kaczmarek Adam L.

• Politechnika Gdańska; Wydział Elektroniki, Telekomunikacji i Informatyki

Bibliografia

• 1. Scharstein D., Szeliski R.: A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms, International Journal of Computer Vision, Kluwer Academic Publishers April 2002, Volume 47, Issue 1-3, s. 7-42, ISSN: 0920-5691.
• 2. Kaczmarek A. L.: Improving depth maps of plants by using a set of five cameras, Journal of Electronic Imaging 24(2), SPIE and IS&T 2015, s. 023018.
• 3. Kaczmarek A. L.: Stereo vision with equal baseline multiple camera set (EBMCS) for obtaining depth maps of plants, Computers and Electronics in Agriculture 135, 2017, s. 23-37.
• 4. Kaczmarek A. L.: Wpływ nadmiarowych danych wejściowych na jakość map rozbieżności pozyskanych za pomocą układu pięciu kamer w konfiguracji EBMCS, Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej 60, Gdańsk 2018, s.41-44.
• 5. Lazaros N., Sirakoulis G. C., Gasteratos A.: Review of Stereo Vision Algorithms: From Software to Hardware, International Journal of Optomechatronics, Volume 2, Taylor & Francis Group LLC 2008, s. 435-462, ISSN: 1559-9612.
• 6. Geiger A., Roser M., Urtasun R.: Efficient large-scale stereo matching, Computer Vision – ACCV 2010, Lecture Notes in Computer Science, vol. 6492, Springer, 2011, s. 25-38.
• 7. Park J., Inoue S.: Acquisition of sharp depth map from multiple cameras, Signal Processing: Image Communication, 14 (1-2), 1998, s. 7-19.
• 8. Bradski D.G.R., Kaehler A.: Learning Opencv, 1st Edition., O’Reilly Media Inc., 2008.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).