ИСТИНА

Изображения одного и того же объекта существенно отличаются при различных условиях его съёмки: способе съёмки, ракурсе, освещении, оптических свойствах среды и т.д., что значительно усложняет анализ изображений. В связи с этим встаёт задача нормализации: преобразования изображения к такому виду, как если бы оно было получено при удобных для дальнейшего анализа условиях съемки. В литературе предложено множество критериев точности нормализации, однако вопрос их ориентированности на решение тех или иных задач анализа изображений не исследуется, что делает невозможным целенаправленный выбор и разработку алгоритмов нормализации. Кроме того, для многих критериев неизвестны аналитические выражения, а значит и точные алгоритмы их вычисления. В большинстве случаев теоретически корректной нормализацией изображения является его проективное преобразование. Но вместо него часто применяется более быстрое аффинное преобразование. Тогда возникает задача поиска наиболее точной аффинной аппроксимации проективной нормализации. Однако ранее в литературе эта задача решена не была. Данная диссертационная работа направлена на решение вышеописанных проблем. В частности, в рамках некоторых простых модельных предположений доказано, что минимизация критериев точности, равных максимальной и среднеквадратичной невязкам координат, обеспечивает наилучшее качество последующего распознавания нормализованных изображений. Данные критерии точности для случая проективной нормализации впервые были выражены аналитически, что позволило предложить точные алгоритмы их вычисления. Наконец, задача поиска наиболее точной аффинной аппроксимации проективной нормализации также была впервые решена аналитически.