AN OPTIMIZATION APPROACH TO THE PROBLEM OF DETERMINING THE VELOCITY FIELD IN IMAGE PROCESSING PROBLEMS

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The article considers a new approach to the construction of the velocity field, which is based on the methods of control theory and optimization of dynamics of ensembles of trajectories. This approach does not exclude the possibility that the brightness along the trajectories may vary. This makes it possible to build directional optimization methods for determining optical and non-optical flows. The velocity field is defined as some function depending on the vector of arbitrary parameters, which are determined as a result of minimizing the functional set on the ensemble of trajectories defined by this velocity field. An algorithm has been developed to solve the problems of restoring the velocity field using an analytical representation of the variation of the functional under study according to the parameters determining the velocity field, and taking into account the variation in time. The paper presents the results of testing the proposed algorithm, including splitting the image into subdomains.

作者简介

E. Kotina

St. Petersburg State University

Email: e.kotina@spbu.ru
St. Petersburg

D. Ovsyannikov

St. Petersburg State University

Email: d.a.ovsyannikov@spbu.ru
St. Petersburg

D. Kharchenko

St. Petersburg State University

Email: st098139@student.spbu.ru
St. Petersburg

参考

  1. Ovsyannikov D. A., Kotina E. D. Reconstruction of velocity field // Proc. of ICAP2012, Rostock-Warnemunde, Germany. 2012. P. 256–258.
  2. Геча В.Я., Жиленев М.Ю., Федоров В.Б., Хрычев Д.А., Худак Ю.И., Шатина А.В. Поле скоростей движения точек изображения при орбитальной съемке поверхности планеты // Russian Technological Journal. 2020. Т. 8.№1. С. 97–109.
  3. Скляренко М.С., Фрик П.Г., Ястребов А.Г. Реконструкция поля скорости по распределенным трассерам // Вычисл. методы и программирование. ВЦ МГУ. 2006. Т. 7.№1. С. 45–50.
  4. Токарев М.П., Маркович Д.М., Бильский А.В. Адаптивные алгоритмы обработки изображений частиц для расчета мгновенных полей скорости // Вычисл. технологии. 2007. T. 12.№3. С. 109–131.
  5. Зарипов Д.И., Токарев М.П., Лукьянов А.А., Маркович Д.М. Бессеточный планарный метод Particle Image Velocimetry // Вычисл. методы и программирование. 2022. Т. 23.№4. С. 328–338.
  6. Карчевский М. Н., Токарев М. П., Ягодницына А. А., Козинкин Л. А. Корреляционный алгоритм расчета полей скорости в микроканальных течениях с высокой разрешающей способностью // Теплофиз. и аэромеханика. 2015. Т. 22.№6. С. 775–784.
  7. Horn B.K.P., Schunck B.G. Determining optical flow // Artificial Intelligence. 1981.№17. P. 185–203.
  8. Lucas B. D., Kanade T. An iterative image registration technique with an application to stereo vision // Proc. Of Imaging Understanding Workshop. 1981. P. 121–130.
  9. Barron J., Fleet D. Performance of optical flow techniques // Internat. Journal Computer Vision. 1994. V. 12. P. 43–77.
  10. Farneback G. Two-Frame Motion Estimation Based on Polynomial Expansion // Lecture Notes in Computer Science. 2003. Т. 2749. С. 363–370.
  11. Papenberg, N., Bruhn, A., Brox, T., Didas, S. and Weickert, J. Highly Accurate Optic Flow Computation with Theoretically Justified Warping // Internat. Journal of Computer Vision. 2006. V. 67.№2. P. 141–158.
  12. Bruhn, A., Weickert, J., Schnorr, C. Lucas/Kanade Meets Horn/Schunck: Combining Local and Global Optic Flow Methods // Internat. Journal of Computer Vision. 2005. V. 61.№3. P. 211–231.
  13. Котина Е. Д. О сходимости блочных итерационных методов // Изв. Иркутск. гос. ун-та. Сер. Математика. 2012. Т. 3. С. 41–55.
  14. Bailer C., Varanasi K., Stricker D. CNN-based patch matching for optical flow with thresholded hinge embedding loss // Proc. of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2017. С. 3250–3259.
  15. Fischer P., Dosovitskiy A., Ilg E., Hausser P., Hazrbas C., Golkov V. FlowNet: Learning Optical Flow with Convolutional Networks // Proc. of the IEEE Internat. Conference on Computer Vision (ICCV). 2015.
  16. Lin Z., Liang T., Xiao T., Wang Y., Tang Z., Yang M. FlowNAS: Neural Architecture Search for Optical Flow Estimation // Computer Vision and Pattern Recognition. 2022.
  17. Овсянников Д. А. Математические методы управления пучками. Л.: Изд-во Ленингр. ун-та, 1980. 228 с.
  18. Овсянников Д. А. Моделирование и оптимизация динамики пучков заряженных частиц. Л.: Изд-во Ленингр. ун-та, 1990. 312 с.
  19. Kotina E., Ovsyannikov D., Elizarova M. Optimization approach to the velocity field determining problem // Cybernetics and Physics. 2022. V. 11.№3. P. 131–135.
  20. Bazhanov P., Kotina E., Ovsyannikov D., Ploskikh V. Optimization algorithm of the velocity field determining in image processing // Cybernetics and Physics. 2018. V. 7.№4. P. 174–181.
  21. Kotina, E., Bazhanov, P., Ovsyannikov, D. Optimization Method of the Velocity Field Determination for Tomographic Images // Stability and Control Processes. SCP 2020. Lecture Notes in Control and Information Sciences Proceedings. 2022. Springer, Cham.
  22. Котина Е.Д., Леонова Е.Б., Плоских В.А. Обработка радионуклидных изображений с использованием дискретных систем // Вестн. Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2019. Т. 15.№4. С. 543–553.
  23. Kotina E. D., Leonova E. B., Ploskikh V. A. Displacement Field Construction Based on a Discrete Model in Image Processing Problems // Известия Иркутского государственного университета. Серия Математика. 2022. Т. 39. C. 3–16.
  24. Nazarov, N. A., Terekhov, V. V. High level GPU-accelerated 2D PIV framework in Python // Computer Physics Communications. 2024. Т. 295.№109009.
  25. Kotina, Е., Ploskikh, V., Shirikolobov, А. Digital Image Processing in Nuclear Medicine. Physics of Particles and Nuclei. 2022. V. 53.№2. P. 535–540.
  26. Овсянников Д. А., Котина Е. Д.Онекоторых задачах программного управления пучком траекторий. Часть I // Известия Иркутского государственного университета. Серия Математика. 2023. Т. 46. C. 51–65.
  27. Бажанов П. В. Исследование модели процесса сбора проекционных данных ПЭТ // Процессы управления и устойчивость. 2015. Т. 2.№1. С. 276–281.
  28. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное. М.: Техносфера, 2012. 1104 с.

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».