A new global method of image matching in stereopsis is proposed. It relies on the matching of points (tokens) belonging to image edges. The matching is based on the smooth disparity field constraint and the intensity-constancy constrain on the tokens using epipolar geometry. The paper describes the way the tokens are chosen and the matching prosedure. Results are presented for sample image pairs.
Opracowanie przedstawia metodę detekcji i estymacji parametrów ruchu, wykorzystującą algorytm klasteryzacji oraz podaje modyfikację procesu pasowania klasterów. Zaletą metody jest względnie mała wrażliwość na zniekształcenie sceny w ruchomych obrazach. Skuteczność metody została przedstawiona na podstawie analizy sekwencji obrazów o różnym stopniu złożoności. Wyniki przeprowadzonych badań zamieszczono w tabelach. Aby uwydatnić cel modyfikowania algorytmu, porównano wyniki detekcji ruchu na tych samych sekwencjach obrazów.
EN
The detection algorithm presented in the article differs from typical methods of a motion detection. The matching refers to regions of images (objects) which are coherent with regard to their intensity. They are obtained in the clustering process (hence these regions are called clusters). The moving objects are represented by shifted clusters which have similar intensity and shape features. There are at least two reasons that make this method interesting: - generation of a more regular optical flow than in case of other methods; - detection of a motion on a large scale changes of an object location in the image as well as changes of intensity and shape deformation of an object.
The article presents a modified approach to cluster based matching. Each cluster from one image is matched with the one taken from the other image. The clusters are described by feature vectors which are used to guide matching process based on optimization. As a result of matching a motion estimation in the image scene is obtained. The proposed modification of the feature vector consists in the introduction of shape descriptors.
PL
W artykule opisano modyfikację metody pasowania sekwencji dwóch obrazów poddanych segmentacji opartej na metodzie klasteryzacji. Metoda pasowania polega na dobieraniu w pary najbardziej odpowiadających sobie klasterów pochodzących z dwóch analizowanych obrazów. Każdy klaster opisany jest wektorem cech a do określenia ich podobieństwa zastosowano proces optymalizacyjny. Celem klasteryzacji i pasowania klasterów jest detekcja ruchu w scenie. Modyfikacja metody polega na zastosowaniu deskryptorów kształtu, które wykorzystuje się jako cechy opisujące klaster.
Forensic investigators spend much of their time comparing toolmarks. Their work can benefit significantly from computer systems which will screen large numbers of toolmarks and identify potential matches for final confirmation by the human expert. This paper presents the data reduction and comparison techniques needed to represent and match striated toolmarks, which are an important class of forensic evidence.
PL
Eksperci kryminalistyki poświęcają wiele czasu na porównywanie śladów narzędzi. Znaczną pomocą w ich pracy mogą być systemy komputerowe, przeglądające duże zbiory śladów i wyszukujące potencjalne podobieństwa. Ostateczne potwierdzenie zgodności dwóch śladów pozostanie przy tym w gestii eksperta -- człowieka. Ważną klasę śladów narzędzi stanowią ślady prążkowe. Artykuł opisuje techniki redukcji i porównywania danych niezbędnych do reprezentacji i pasowania takich śladów.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.