Удаление слабых теней от облаков в аэрофотосъёмке и фотограмметрииАвтор: Серженко Фёдор
При работе с исходными данными существуют проблемы с тенями облаков на кадрах, полученных в приложениях аэрофотосъёмки и фотограмметрии. Облака отбрасывют тени на ландшафт, затемняя различные объекты и это мешает в работе. Это неизбежно, и мы часто получаем изображения с тенями, поэтому имеет смысл удалить тени, чтобы подготовить данные для картографирования и 3D-визуализации. Каков стандартный метод удаления облачных теней при обработке изображений? Как правило, нужно создать маску и применить фильтр к определенной области кадра, например, к затенённой области. В качестве альтернативы можно выделить объекты, на которые фильтр не должен воздействовать. Это можно сделать и в разных слоях. Тем не менее, это ручной подход, который работает очень медленно и неточно. Кроме того, тени часто не имеют чётких границ, что затрудняет определение границ маски и последующее ееё плавное нанесение на изображение. Алгоритм Aerial Clarity основан на классических идеях обработки изображений; мы не используем машинное обучение (ML) или искусственный интеллект (AI). Этот алгоритм хорошо подходит для удаления слабых теней, у которых обычно отсутствует чёткая граница. Предварительные тесты показывают, что реализация этого алгоритма с условием максимального распараллеливания на NVIDIA GeForce RTX 4090 даёт производительность порядка 5-7 ГПикс/с и более для 16-битных RGB-изображений с высоким разрешением. В настоящее время такая скорость работы принципиально невозможна для любой системы на базе искусственного интеллекта. Важно отметить, что этот алгоритм применим только к мягким теням от облаков. Он не предназначен для подавления глубоких теней. На примеденном ниже изображении показан пример мягких теней и результат обработки.
 Слева исходное изображение в формате JPG (150 мегапикселей, камера PhaseOne iXM-RS 150F)
Характеристики алгоритма
В отличие от подходов ИИ, которые требуют обучающих данных и часто имеют дело с обобщенными типами теней, классический подход к задачам компьютерного зрения основан исключительно на характеристиках изображений на уровне пикселей, статистике и детерминированной фильтрации.
Удаление теней с помощью решений на базе ИИ, хотя и является потенциально более гибким методом, часто требует тщательной подготовки и может быть затруднено при работе с новыми сценами или с другими типами теней. Для крупных проектов по аэрофотосъёмке и фотограмметрии, где скорость и надёжность имеют решающее значение, классические методы являются эффективным решением. Возможности программного обеспечения
Предварительные бенчмарки для алгоритма подавления теней
|