یک متد محلی بهبود یافته برای تطبیق تصاویر استریو

یکی از مسائل چالش برانگیز در بینایی ماشین شناسایی اشیا است که یکی از متدهای رایج در این زمینه، استفاده از اطلاعات عمق شی در صحنه می باشد. رهیافت های متنوعی به منظور اندازه گیری عمق اشیا در صحنه وجود دارد. روش انتخابی که در این تحقیق مورد توجه قرار گرفته است، روش تصاویر استریو است. در این دسته از متدها با داشتن حداقل دو تصویر از صحنه می توان به شناسایی اشیا پرداخت. از آنجایی که روش های با هزینه پایین ارجحیت دارند، از روش استریو دو دوربینی استفاده می شود که در آن تلاش می شود به آن دسته از نقاط ویژگی دست یافت که در هر دو تصویر بیانگر ناحیه یکسان و خاص از شی باشد. تا بحال الگوریتم های متفاوتی برای یافتن نقاط متناظر در دو تصویر با کمک این روش ارائه شده است. در بدست آوردن این نقاط یکی از مشکلاتی که وجود دارد اینست که در آنها اندازه بلاک ها برای تمامی پیکسل ها ثابت در نظر گرفته می شود که این باعث شده بدست آوردن نتیجه مطلوب براحتی انجام نشود. در این تحقیق سعی شده این مشکل تا جای ممکن بر طرف شود. نوآوری انجام شده در این تحقیق عبارتست از استخراج اندازه مناسب بلاک قبل از جستجو برای یافتن مشابه ترین بلاک برای یک پیکسل، که برای تحقق این هدف از معیارهای وایانس و اطلاعات لبه استفاده شده است. نتایج بدست آمده حاکی از آنست که با صرف زمان اندکی بهبود صورت یافته است. علاوه بر معیارهای گفته شده از تکنیک چند بلاکی نیز برای بهبود این الگوریتم ها استفاده شده است. این تکنیک نیز باعث شده نتایج بهبود یابند ولی این روش از لحاظ زمانی بسیار طولانی تر از روش های دیگر است. برای ارزیابی روش های پیشنهادی ابتدا نتایج به صورت شهودی با چند الگوریتم دیگر مقایسه شده اند. سپس به منظور مقایسه کمی درصد تعداد پیکسل هایی که خطای مطلق آنها بزرگتر از یک هستند برای سه ناحیه متفاوت آورده شده است، که این مقادیر برای سه ناحیه متفاوت به طور متوسط در بهترین الگوریتم پیشنهادی، به 15.68 درصد و در بدترین الگوریتم پیشنهادی به 17.71 درصد کاهش یافته اند. در انتها نیز الگوریتم ها از نظر زمانی با یکدیگر مقایسه شده اند.