fa یکسوسازی تصاویر استریو کالیبره شده بر اساس میدان تناظری در سیستم های چند منظر الکترونیک Electronic پژوهشي Research <span style="font-size:13pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span style="font-weight:bold"><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">یکسوسازی تصویر یک بخش مهمی در بیشتر سیستم های چند منظر</span></span><a href="#_edn1" name="_ednref1" title=""><span class="MsoEndnoteReference" style="vertical-align:super"><span lang="FA" style="font-size:9.0pt"><span b="" nazanin="" style="font-family:"><span class="MsoEndnoteReference" style="vertical-align:super"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">[i]</span></span></b></span></span></span></span></a><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> می</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">باشد.&nbsp; یکسوسازی تصویر، فرایند تطبیق استریو را با محدود نمودن مسیر به خطوط افقی و موازی ساده می</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">سازد. مشکل اساسی در یکسوسازی متداول تصویر پیچیدگی و بار سنگین محاسبات برای به دست آوردن ماتریس کالیبراسیون، ماتریس پروجکشن و ماتریس اساسی است. در این مقاله یک روش موثر و مطمئن بر اساس میدان تناظری</span></span><a href="#_edn2" name="_ednref2" title=""><span class="MsoEndnoteReference" style="vertical-align:super"><span lang="FA" style="font-size:9.0pt"><span b="" nazanin="" style="font-family:"><span class="MsoEndnoteReference" style="vertical-align:super"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">[ii]</span></span></b></span></span></span></span></a><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> برای یکسوسازی تصویر ارائه می</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">شود که از ماتریس های فوق اجتناب می گردد. به طور کلی این الگوریتم قادر است تصویر را برای هر موقعیت جدید دوربین تولید نماید. به خصوص می توان موقعیت دوربین جدید را طوری تعریف کرد که تصویر یکسو شده به دست آید. تصاویر شبیه</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">سازی شده و واقعی برای ارزیابی الگوریتم ارائه شده استفاده شده</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">اند. الگوریتم </span></span><span dir="LTR" style="font-size:10.0pt">SIFT</span><span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> نیز برای تخمین نزدیک بودن تصویر یکسو شده به تصویر واقعی به کار گرفته شده است. نتایج شبیه</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">سازی نشان می دهد میانگین اندازه خطا و انحراف معیار به ترتیب حدود&nbsp; 25. و 26. پیکسل می</span></span>‫<span lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">باشد و تصویر یکسو شده مستقل از نسبت فواصل کانونی دو دوربین است.</span></span><span lang="FA" style="font-size:14.0pt"><span style="font-family:"B Nazanin""></span></span></span></span></span></span></span> <div>&nbsp; <hr align="left" size="1" width="33%" > <div id="edn1"><span style="font-size:10pt"><span style="line-height:12pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times="">¹<span dir="LTR" style="font-size:8.0pt"> Multi-view system</span></span></span></span></span></span></div> <div id="edn2"><span style="font-size:10pt"><span style="line-height:12pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times="">² <span dir="LTR" style="font-size:8.0pt">correspondence field</span></span></span></span></span></span></div> </div> <div style="text-align: justify;"> <p class="ENheading0" style="text-align:justify"><span style="font-size: 10pt;">Image rectification is an essential part in most multi-view systems. It simplifies the stereo matching process by limiting the search path to horizontal and parallel lines. The main problem in conventional image rectification is complexity and mass computation load for calculation of calibration matrix, projection matrix and fundamental matrix. In this paper an efficient and confident method is presented to rectify stereo images based on the correspondence field (CF) that avoids the mentioned matrices. In general this algorithm is able to generate an image for any new camera position. Especially one can choose the new position in such a way that the virtual camera generates a rectified image. Both real and simulated stereo images are used to evaluate the proposed algorithm. SIFT algorithm is used to estimate how close is the generated image to original rectified one. Simulation results show the mean absolute error and standard deviation are about 0.25 and 0.26 pixels respectively and rectified image is independent of focal ratio.&nbsp;</span></p> </div> یکسوسازی تصاویر استریو, میدان تناظری, خط اپی پولار, بار محاسباتی, نسبت فواصل کانونی دو دوربین Image rectification, correspondence field, epipolar line, computational load 159 167 http://jiaeee.com/browse.php?a_code=A-10-1224-1&slc_lang=fa&sid=1 Hesamodin Hosseinpour حسام الدین حسین پور h.hosseinpoor@yahoo.com 10031947532846009343 10031947532846009343 No Department of Electrical Engineering, Science and Research branch, Islamic Azad University, Tehran, Iran دانشکده مکانیک، برق و کامپیوتر، دانشگاه آزاد اسلامی علوم و تحقیقات Amir Mousavinia امیر موسوی نیا moosavie@eetd.kntu.ac.ir 10031947532846009344 10031947532846009344 Yes Department of Computer Engineering, K.N Toosi University, Tehran, Iran دانشکده مهندسی کامپیوتر، دانشگاه خواجه نصیرالدن طوسی Mohammad Ali Pourmina محمد علی پورمینا pourmina@srbiau.ac.ir 10031947532846009345 10031947532846009345 No Department of Electrical Engineering, Science and Research branch, Islamic Azad University, Tehran, Iran دانشکده مکانیک، برق و کامپیوتر، دانشگاه آزاد اسلامی علوم و تحقیقات