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

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

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.

About the authors

E. D. Kotina

St. Petersburg State University

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

D. A. Ovsyannikov

St. Petersburg State University

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

D. S. Kharchenko

St. Petersburg State University

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

References

  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.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Russian Academy of Sciences