Magistrlik dissertatsiyasi 7 bet, 59 ta rasm, ta jadval, 70 ta adabiyot va ilovadan iborat

3.3. Filtrlash va bo‘sag‘a qiymatlar

O‘zgartirilgan IPM tasviri ikki o‘lchovli Gauss yadrosi tomonidan filtrlanadi. Gauss silliqlashining vertikal yo‘nalishi, uning yo‘l bo‘lagi segmentining kerakli balandligiga qarab o‘rnatiladi (IPM tasvirida 1 m ekvivalentda o‘rnatiladi: . Gorizontal yo‘nalish gaussianning ikkinchi hosilasi bo‘lib, u kutilayotgan yo‘l bo‘lagi kengligiga muvofiq tartibga solinadi (IPM tasvirida 3 dyuymga o‘rnatiladi):

Filtr ma’lum bir kenglikdagi qorong‘i fonda yorqin vertikal chiziqlar uchun maxsus sozlangan, bu IPM tasviridagi yo‘l bo‘laklari haqidagi taxmin hisoblanadi, ammo bo‘sag‘a qiymatini aniqlash jarayonidan keyin kvazivertikal chiziqlarni ham qayta ishlashi mumkin. Ushbu bo‘linadigan yadroni ishlatish samarali amalga oshirishni ta’minlaydi va ajralmas yadroni ishlatishdan ko‘ra tezroq hisoblanadi. 34-rasmda olingan 2D-yadro (chapda) va natijaviy filtrlangan tasvir (o‘rtada) ko‘rsatilgan.

34-rasm. Tasvirlarni filtrlash va bo‘sag‘aviy ishlov berish. Chapda: Filtrlash uchun ishlatiladigan yadro. O‘rtada: filtrdan keyin tasvir. O‘ngda: bo‘sag‘aviy ishlov berilganidan keyin tasvir

Filtrlangan tasvirdan ko‘rinib turibdiki, u yo‘l bo‘lagi chiziqlarini aniqlashda yuqori farqni ko‘rsata oladi va shuning uchun faqat eng yuqori qiymatlarni saqlab qolinadi. Bu filtrlangan tasvirning Q % kvant qiymatini tanlash orqali amalga oshiriladi va ushbu qiymat ostidagi barcha qiymatlarni o‘chirib tashlanadi, ya’ni faqat eng yuqori (Q -1)% qiymatlar saqlab qolinadi. Tajribalarda q 97,5% ga teng olingan. Bo‘sag‘aviy tasvir binarlashtirilmagan, ya’ni bo‘sag‘aviy tasvirning haqiqiy piksel qiymatlari saqlanadi, bu keyingi bosqichlarga kirish sifatida foydalaniladi. Ushbu bosqichda transport vositasi yo‘lga parallel / deyarli parallel bo‘ladi degan taxmindan foydalaniladi. 9-rasm (o‘ngda) bo‘sag‘a qiymatidan keyingi natijani ko‘rsatadi

3.4. Chiziqni aniqlash. RANSAC.

Ushbu bosqich bo‘sag‘a tasviridagi chiziqlarni aniqlashni o‘z ichiga oladi. Ikkita usuldan foydalaniladi: tasvirdagi chiziqlar sonini hisoblash uchun soddalashtirilgan “Xaf” almashtirishi va undan keyin RANSAC line fitting bu chiziqlarni ishonchli tarzda joylashtirish uchun foydalaniladi.

Xaf almashtirishi (Hough Transform) - bu tasvirda chiziqlar, doiralar va boshqa oddiy shakllarni topish usuli.
Ovoz berish protsedurasidan foydalanib shakllar usuli. Ovoz berish protsedurasi Xaf almashtirishini hisoblashda qurilgan saqlash fazosidagi parametrlar fazosiga nisbatan qo‘llanilib lokal maksimum bo‘yicha obyektlarini ma’lum sinfi olinadi.
Xaf almashtirishi qidirilayotgan obyektni parametrik tenglama ko‘rinishida aks ettirishga asoslangan. Ushbu tenglamaning parametrlari fazaviy fazoni (akkumulyator massivi / fazosi Xaf fazosi) anglatadi. Keyin binar tasvir olinadi (masalan, Kenni chegaralarni aniqlash natijasi). Chegaralarning barcha nuqtalari saralanadi va nuqta qidirilayotgan obyekt chizig‘iga tegishli degan taxmin olinadi, ya’ni har bir tasvir nuqtasi uchun zarur bo‘lgan tenglama hisoblab chiqiladi va kerakli parametrlar olinadi, ular Xaf fazosida saqlanadi. Yakuniy qadam Xaf fazosini aylanib chiqish va tasvirining eng ko‘p “piksellari ”ovoz bergan" maksimal qiymatlarni tanlash hisoblanadi. Bu kerakli obyekt tenglamalari uchun parametrlarni beradi. RANSAC (RANdom SAmple Consensus) - bu tasodifiy namunalar asosida model parametrlarini baholashning barqaror usuli. RANSAC sxemasi halaqitli ma’lumotlarga nisbatan bardoshli hisoblanadi.
Barcha boshlang‘ich ma’lumotlarni ikki turga bo‘lish mumkin: modelni qondiradigan yaxshi nuqtalar, “chetga chiqmagan” yoki (inlier) va yolg‘on nuqtalar, halaqitlar - boshlang‘ich ma’lumotlarga tasodifiy qo‘shilish, “chetga chiqqan” yoki (outlier). RANSAC usuli to‘g‘ri chiziqni qurish uchun faqat ikkita nuqtani olish uchun asos bo‘lib xizmat qiladi va ularning yordami bilan model tuziladi, shundan so‘ng berilgan qiymat bilan baholash funksiyasidan foydalangan holda qancha nuqta modelga to‘g‘ri kelishini tekshiradi.
Algoritmga kirish quyidagicha:
1. boshlang‘ich ma’lumotlar to‘plami.
2. funksiya nuqtadan iborat ma’lumotlar to‘plami bo‘yicha modelining parametrlarini hisoblash imkonini beradi.
3. olingan modelning nuqtalari mosligini baholash funksiyasi
4. baholash funksiyasi uchun bo‘sag‘a
5. usulining iteratsiyalari soni
Butun algoritm bitta sikldan iborat bo‘lib, ularning har bir iteratsiyasi mantiqan ikki bosqichga bo‘linishi mumkin.
• Birinchi bosqich - nuqtalarni tanlash va modelni hisoblash.
• boshlang‘ich nuqtalar to‘plamidan tasodifiy ravishda har xil nuktalar tanlanadi.
_{• Tanlangan nuqtalarga asoslanib modelining parametrlari funksiyasidan foydalanib hisoblanadi, qurilgan model odatda gipoteza deb ataladi.}
Ikkinchi bosqich – gipotezani tekshirish.
• Har bir nuqta uchun uning ushbu gipotezaga muvofiqligi baholash funksiyasi va bo‘sag‘a qiymatlari yordamida tekshiriladi
• Har bir nuqta chetga chiqmagan yoki chetlashgan ekanligi belgilab chiqiladi.
• Barcha nuqtalarni tekshirgandan so‘ng, gipoteza berilgan momentda eng yaxshisi yoki yo‘qligi tekshiriladi, agar shart bajarilsa, u avvalgi eng yaxshi gipotezani almashtiradi.
Sikl yakunida oxirgi eng yaxshi gipoteza qoladi.
Usulning natijalari:
1. modelining parametrlari
2. chetlashmagan yoki chetlashgan deb belgilangan boshlang‘ich ma’lumotlar nuqtalari. Quyidagi rasmda - ushbu RANSAC algoritmini amalga oshirish misolini ko‘rib chiqilgan.