Штучний інтелект

Анотація: У роботі розглянута задача пошуку відповідностей між ключовими точками зображень стереопар. Зображення стереопари представлені графами, кожній вершині яких відповідає ключова точка, а ребра відображають відносини між ними. Відповідність між ключовими точками випливає з ізоморфних перетинань розглянутих графів. Пошук даних перетинань здійснюється за допомогою методу побудови додаткового графа-піраміди. Показано, що використання взаємного розташування ключових точок і методу на основі використання додаткового графа-піраміди дозволяє якісно вирішувати розглянуту задачу без залучення складних дескрипторів ключових точок, які враховують їх індивідуальні особливості.

Ключові слова: розпізнавання зображень, ключові точки, порівняння графів, стереозір, відповідність між ключовими точками

Посилання:

1. David G. Lowe Distinctive Image Features from Scale-Invariant Keypoints / David G. Lowe // International Journal of Computer Vision. – 2004. – Vol. 2, No 60. – P.91-110.
2. Mikolajczyk K. Detection of local features invariant to affine transformations / Mikolajczyk K. // Ph.D. thesis. – Institut National Polytechnique de Grenoble, France. – 2002. – 171 p.
3. Krystian Mikolajczyk Scale & Affine Invariant Interest Point Detectors / Krystian Mikolajczyk аnd Cordelia Schmid // International Journal of Computer Vision. – 2004. – Vol. 60, No 1. – P. 63-86.
4. Krystian Mikolajczyk and Cordelia Schmid. A performance evaluation of local descriptors // IEEE Transactions on Pattern Analysis & Machine Intelligence. – 2005. – Vol. 27, No 10. – P. 1615-1630.
5. Gyuri Dork'o Maximally Stable Local Description for Scale Selection / Gyuri Dork'o and Cordelia Schmid // European Conference on Computer Vision. – Graz, Austria. – 2006. – Vol. 4. – P. 504-516.
6. Winter M. Maximally Stable Corner Clusters: A novel distinguished region detector and descriptor / Winter M., Bischof H. and Fraundorfer F // 1st Austrian Cognitive Vision Workshop. – Zell an der Pram, Austria. – 2005. – P. 59-66.
7. Martin A. Fischer Random Consensus: A Paradigm for Model Fitting with Application to Image Analysis and Automated Cartography / Martin A. Fischer and Robert C. Bolles // Commun. Assoc. Comp. Mach. – 1981. – Vol. 24. – P. 381-395.
8. Gorokhovatsky V.O. Evaluation of the structural similarity of objects as sets of components / V.O. Gorokhovatsky // System Research & Information Technologies. – 2011. – No 1. – P. 57-70.
9. Gorokhovatsky V.O. Systems of features based on spatially-attributive relations of image structural elements / V.O. Gorokhovatsky // Bionics of Intelligence: Sci. Mag. – 2011. – No 1 (75). – P. 48-51.
10. Gorokhovatsky V.O. Filtering false correspondences descriptor points based on the analysis of geometrical data / V.O. Gorokhovatsky // Registration, storage and processing. – 2009. – V. 11, No 1. – P. 11-19. – ISSN 1560-9189.
11. Optimal Feature Matching Method using Bayesian Graph Theory / Wan Hyun Cho, In Seop Na, Sun Worl Kim and Soo Hyung Kim // International Journal of Multimedia and Ubiquitous Engineering. – 2012. – Vol. 7, No 3. – P. 123-132.
12. Torresani L. Feature Correspondence Via Graph Matching: Models and Global Optimization. / Torresani L., Kolmogorov V., Rother C. // Proceedings of the 10th European Conference on Computer Vision : Part II. – 2008. – P. 596-609.
13. Agarkov A.V. The method of two graphs matching in polynomial time / A.V. Agarkov // Artificial Intelligence. – 2003. – No 4. – P. 172-184.
14. Agarkov A.V. Isomorphic Intersection of Two Graphs Searching in Polynomial Time / A.V. Agarkov // Artificial Intelligence. – 2007. – No 2. – P. 62-74.
15. Agarkov A.V. Search of the Set of Maximal Cliques Based on the Method for Constructing Complementary Graph / A.V. Agarkov // Artificial Intelligence. – 2011. – No 3. – P. 190-199.