Abstract:
Teza de doctorat este dedicată unei probleme de mare interes în
vederea artificială, şi anume, alinierea imaginilor. Problema
constă în determinarea transformării geometrice care aliniază
partea comună a unei perechi de imagini ale aceleaşi scene
captate cu camere poziţionate diferit, pe baza corespondenţelor
dintre două seturi de puncte, extrase din cele două imagini.
Aplicaţia principală care a inspirat soluţiile adoptate este
localizarea senzorilor într-o reţea fără fir.
Perechile de imagini ce intervin într-o aplicaţie de localizare a
senzorilor de imagine conţin frecvent un câmp vizual comun ce
ocupă un procentaj redus din imagine şi obiectele comune apar la
scări diferite. În consecinţă, punctele caracteristice pe baza
cărora se poate face estimarea transformării geometrice sunt
puţine, iar cele din imaginea aflată la distanţă mai mare de
cameră sunt afectate de erori de localizare mai mari. Metodele
tradiţionale bazate pe algoritmul RANSAC sau oricare din
variantele sale ameliorate întâmpină dificultăţi, pentru că sunt
utilizate în condiţii în care ipotezele avute în vedere de autorii
acestora îşi pierd valabilitatea. Metodele de aliniere a imaginilor
bazate pe estimare neparametrică de densitate de probabilitate,
propuse în teză, sunt mai bine adaptate aplicaţiei menţionate şi
oricărei alte aplicaţii cu condiţii similare.
Performanţele estimatorului robust bazat pe algoritmul mean shift
au fost evaluate prin experimente, efectuate comparativ cu
metoda clasică RANSAC şi cu metoda ameliorată, MLESAC. Pe
baza rezultatelor experimentale s-a demonstrat eficacitatea
metodei mean shift în contextul alinierii imaginilor.
