Цитата: Пиджак_9
Вы правы, безусловно. Но я хочу не просто подсчитать параллаксы и вычислить расстояние до объектов. Предполагается провести корреляционный анализ стереоизображения.
Примерно так: для каждой строки совмещенных изображений (части ее, конечно) вычисляется коэффициент взаимной корреляции. При этом максимум корреляции позволяет определить параллакс(в виде величины смещения строк изображений по оси Х).
Величина смещения при корреляции может быть много меньше одного пиксела (вследствие чего возражение"Опаньки" падает). Т.о. метод даст возможность вычислять дальности при малом параллаксе весьма точно. Но главное не это. Важнейшим будет нахождение частных экстремумов корреляционной функции. Т.е. если, например, у нас находится здание на середине расстояния до горизонта, то график смещений изображения по оси Х раздвоится - одна линия пойдет асимптотически до нуля, как и следует при удалении от наблюдателя, а вторая будет стоять пока "высота взгляда" не уйдет выше крыши здания.
В результате удастся получить не только график зависимости смещения строки изображения в зависимости от дальности, но и получить профиль местности, а также обнаружить все не распознаваемые никакими прочими методами анализа объекты в пространстве от наблюдателя до горизонта (и указать дальность до них и азимут).
В общем - целый метод анализа получается. Математика несложная, а вот на разработку ПО у меня времени нет. Первые пробы сделал сам - отлично обнаруживаются замаскированные (абсолютно не определяемые визуально) объекты, если они хоть чуть чуть приподнимаются над поверхностью (предложить Шарку снайперов и гранатометчиков искать?).
Подкину идею сыну, может быть поколенье молодое заинтересуется не только юзерством майкрософта.
Так, уже интереснее :)
Берём матрицы размерностью равной разрешению снимков, значение ячеек - цвет пиксела, смещаем матрицы относительно друг друга, смотрим зависимость корреляции различных участков в зависимости от величины смещения и чешем репу.
Как-то так...