Аналитическое оценивание точности совмещения изображений после компенсации проективного преобразования

Рассматривается проблема аналитической оценки точности совмещения изображений при проективном преобразовании. Предложен математический аппарат для вычисления ковариационной матрицы параметров преобразования на основе линеаризации нелинейной модели с использованием якобиана. Разработан алгоритм построения карт дисперсий D_x, D_y и ковариации K_xy для каждого пикселя изображения. Проведена валидация метода с использованием численного подхода Монте-Карло, показавшая высокую точность аналитических оценок (корреляция > 0.999) и значительное ускорение вычислений (более чем в 5000 раз). Научная новизна заключается в разработке аналитического метода оценки локальной точности совмещения для нелинейных проективных преобразований.

1. Han Y., Javed A., Jung S., Liu S. Object-Based Change Detection of Very High-Resolution Images by Fusing Pixel-Based Change Detection Results Using Weighted Dempster–Shafer Theory. Remote Sens, 2020. 12. 983. DOI: 10.3390/rs12060983

2. Zitová B., Flusser J. Image registration methods: a survey. Image and Vision Computing. 2003, vol. 21, no. 11, pp. 977-1000.

3. Sengupta D. A Comparative Study of Some Well Known Image Registration Techniques. 2018 Conference on Information and Communication Technology (CICT). IEEE, 2018, pp. 1-5.

4. Xiong Z., Zhang Y. A critical review of image registration methods. International Journal of Image and Data Fusion, 2010, vol. 1, no. 2, pp. 137-158.

5. Kuppala K., Banda S., Barige T. R. An overview of deep learning methods for image registration with focus on feature-based approaches. International Journal of Image and Data Fusion, 2020, vol. 11, no. 2, pp. 113-135.

6. Жгутова Е.С., Бабаян П.В. Алгоритмы и программное обеспечение для оценки точности совмещения изображений. GraphiCon-2024 материалы 34-й Междунар. конф. по компьютерной графике и машинному зрению (Россия, Омск, 17–19 сент. 2024 г.). Ом. гос. техн. ун-т; редкол.: Е. В. Любчинов (отв. ред.) [и др.]. Омск: Изд-во ОмГТУ, 2024, с. 484-490. DOI: 10.25206/978-5-8149-3873-2-2024-484-490.

7. Бабаян П.В., Кожина (Жгутова) Е.С. Влияние точности оценивания координат опорных участков на точность совмещения изображений. GraphiCon-2023: труды 33-й Междунар. конф. по компьютерной графике и машинному зрению (Москва, 19–21 сент. 2023 г.). М.: Институт прикладной математики им. М.В. Келдыша РАН, 2023, с. 474-481. DOI: 10.20948/graphicon-2023-474-481.

8. Бабаян П.В., Кожина (Жгутова) Е.С. Влияние точности оценивания координат опорных участков на точность совмещения изображений в системах дистанционного зондирования Земли // 8-ая международная научно-техническая конференция «В.Ф. Уткин – 100 лет со дня рождения. Космонавтика. Радиоэлектроника. Геоинформатика»: Мат. докл. Рязанс. гос. радиотехн. Университет им. В.Ф. Уткина. Рязань, 2023, с. 360-363. ISBN 978-5-7722-0388-0.

9. Ghojogh B., Nekoei H., Ghojogh A., Karray F., Crowley M. Sampling Algorithms, from Survey Sampling to Monte Carlo Methods: Tutorial and Literature Review. arXiv: Methodology. 2020. Available at: https://api.semanticscholar.org/CorpusID:226227376, accessed: 29.12.2025.

10. Fauster E., O'Leary P. L. Methods of statistical uncertainty analysis applied to evaluation algorithms of a video-extensometer system. Proceedings of SPIE, 2008, vol. 6813. DOI: 10.1117/12.766273.