Jump to content

Ускоренные надежные функции

В зрении компьютерном ускоренные надежные функции ( SURF ) — это запатентованный детектор и дескриптор локальных функций . Его можно использовать для таких задач, как распознавание объектов , регистрация изображений , классификация или 3D-реконструкция . Частично он основан на дескрипторе масштабно-инвариантного преобразования признаков (SIFT). Стандартная версия SURF в несколько раз быстрее, чем SIFT, и, по утверждениям ее авторов, более устойчива к различным преобразованиям изображений, чем SIFT.

Для обнаружения точек интереса SURF использует целочисленную аппроксимацию определителя Гессе детектора капель , который можно вычислить с помощью 3 целочисленных операций с использованием предварительно вычисленного интегрального изображения . Его дескриптор функции основан на сумме вейвлет-отклика Хаара вокруг интересующей точки. Их также можно вычислить с помощью интегрального изображения.

Дескрипторы SURF использовались для обнаружения и распознавания объектов, людей или лиц, для реконструкции трехмерных сцен, отслеживания объектов и извлечения точек интереса.

SURF был впервые опубликован Гербертом Бэем , Тинне Туителаарсом и Люком Ван Гулом и представлен на Европейской конференции по компьютерному зрению в 2006 году . Применение алгоритма запатентовано в США. [ 1 ] «Вертикальная» версия SURF (называемая U-SURF) не инвариантна к вращению изображения и, следовательно, быстрее вычисляется и лучше подходит для приложений, в которых камера остается более или менее горизонтальной.

Изображение преобразуется в координаты с использованием метода пирамиды с несколькими разрешениями для копирования исходного изображения с формой пирамидальной гауссовой или лапласовой пирамиды для получения изображения того же размера, но с уменьшенной полосой пропускания. Это обеспечивает особый эффект размытия исходного изображения, называемый Scale-Space , и гарантирует, что точки интереса не зависят от масштаба.

Алгоритм и особенности

[ редактировать ]

Алгоритм SURF основан на тех же принципах и этапах, что и SIFT; но детали на каждом этапе разные. Алгоритм состоит из трех основных частей: обнаружение точек интереса, описание локальной окрестности и сопоставление.

Обнаружение

[ редактировать ]

SURF использует фильтры квадратной формы в качестве аппроксимации сглаживания по Гауссу . (Подход SIFT использует каскадные фильтры для обнаружения характерных точек, не зависящих от масштаба, где разница гауссиан (DoG) рассчитывается на постепенно масштабируемых изображениях.) Фильтрация изображения с помощью квадрата происходит намного быстрее, если интегральное изображение используется :

Сумма исходного изображения внутри прямоугольника может быть быстро оценена с использованием интегрального изображения, требующего оценки в четырех углах прямоугольника.

SURF использует детектор капель на основе матрицы Гессе для поиска точек интереса. Определитель . матрицы Гессе используется как мера локального изменения вокруг точки, и выбираются точки, где этот определитель максимален В отличие от детектора Гессиана-Лапласа Миколайчика и Шмида, SURF также использует определитель гессиана для выбора шкалы, как это также делает Линдеберг. Учитывая точку p=(x, y) на изображении I, матрица Гессе H(p, σ) в точке p и масштабе σ равна:

где и т. д. — это свертка производной второго порядка гауссовой с изображением в точку .

Ящичный фильтр размером 9×9 представляет собой аппроксимацию гауссова фильтра с σ=1,2 и представляет собой самый низкий уровень (наивысшее пространственное разрешение) для карт откликов BLOB-объектов.

Представление в масштабном пространстве и расположение точек интереса

[ редактировать ]

Точки интереса можно найти в разных масштабах, отчасти потому, что поиск соответствий часто требует сравнения изображений, где они видны в разных масштабах. В других алгоритмах обнаружения признаков масштабное пространство обычно реализуется в виде пирамиды изображений. Изображения многократно сглаживаются фильтром Гаусса, затем субдискретизируются для получения следующего более высокого уровня пирамиды. Поэтому рассчитывают несколько этажей или лестниц с различными размерами масок:

Пространство гаммы разделено на несколько октав, где октава относится к серии карт отклика, охватывающих удвоение шкалы. В SURF самый низкий уровень масштабного пространства получается на выходе фильтров 9×9.

Следовательно, в отличие от предыдущих методов, масштабные пространства в SURF реализуются путем применения коробчатых фильтров разных размеров. Соответственно, масштабное пространство анализируется путем увеличения размера фильтра, а не итеративного уменьшения размера изображения. Выход вышеуказанного фильтра 9×9 рассматривается как начальный масштабный слой с масштабом s = 1,2 (что соответствует производным Гаусса с σ = 1,2). Следующие слои получаются путем фильтрации изображения с постепенно увеличивающимися масками с учетом дискретной природы целостных изображений и конкретной структуры фильтра. В результате получаются фильтры размером 9×9, 15×15, 21×21, 27×27,.... Немаксимальное подавление в окрестности 3×3×3 применяется для локализации точек интереса на изображении и в масштабах. . Затем максимумы определителя матрицы Гессе интерполируются в масштабе и пространстве изображений с помощью метода, предложенного Брауном и др. Интерполяция масштабного пространства особенно важна в этом случае, поскольку разница в масштабе между первыми слоями каждой октавы относительно велика.

Дескриптор

[ редактировать ]

Целью дескриптора является предоставление уникального и надежного описания особенности изображения , например, путем описания распределения интенсивности пикселей в окрестности точки интереса. Таким образом, большинство дескрипторов вычисляются локально, поэтому описание получается для каждой точки интереса, идентифицированной ранее.

Размерность дескриптора напрямую влияет как на его вычислительную сложность, так и на надежность/точность сопоставления точек. Короткий дескриптор может быть более устойчивым к изменениям внешнего вида, но может не обеспечивать достаточную дискриминацию и, следовательно, давать слишком много ложных срабатываний.

Первый шаг состоит в фиксации воспроизводимой ориентации на основе информации из круговой области вокруг точки интереса. Затем мы создаем квадратную область, выровненную по выбранной ориентации, и извлекаем из нее дескриптор SURF.

Назначение ориентации

[ редактировать ]

Чтобы добиться вращательной инвариантности, необходимо найти ориентацию интересующей точки. Отклики вейвлета Хаара в обоих направлениях x и y в пределах круговой окрестности радиуса вокруг точки интереса вычисляются, где — это масштаб, в котором была обнаружена точка интереса. Полученные ответы взвешиваются с помощью функции Гаусса с центром в интересующей точке, а затем отображаются в виде точек в двумерном пространстве с горизонтальным откликом по оси абсцисс и вертикальным откликом по ординате . Доминирующая ориентация оценивается путем расчета суммы всех ответов в пределах скользящего окна ориентации размером π/3. Горизонтальные и вертикальные отклики в пределах окна суммируются. Два суммированных ответа затем дают вектор локальной ориентации. Самый длинный такой вектор в целом определяет ориентацию точки интереса. Размер скользящего окна — это параметр, который необходимо тщательно выбирать для достижения желаемого баланса между надежностью и угловым разрешением.

Дескриптор, основанный на сумме вейвлет-ответов Хаара

[ редактировать ]

Чтобы описать область вокруг точки, извлекается квадратная область с центром в интересующей точке и ориентированная вдоль ориентации, выбранной выше. Размер этого окна 20s.

Область интереса разделена на более мелкие квадратные подобласти размером 4x4, и для каждой из них вейвлет-отклики Хаара извлекаются в 5x5 регулярно расположенных точках выборки. Ответы взвешиваются по Гауссу (чтобы обеспечить большую устойчивость к деформациям, шуму и перемещению).

Соответствие

[ редактировать ]

Сравнивая дескрипторы, полученные из разных изображений, можно найти совпадающие пары.

См. также

[ редактировать ]
  1. ^ США 2009238460 , Рюдзи Фунаяма, Хиромичи Янагихара, Люк Ван Гул, Тинне Туйтелаарс, Герберт Бэй, «НАДЕЖНЫЙ ДЕТЕКТОР И ОПИСАТЕЛЬ ТОЧКИ ИНТЕРЕСА», опубликовано 24 сентября 2009 г.  

Источники

[ редактировать ]
[ редактировать ]
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 0ea0522611589876e035421cb18b0a0c__1684156380
URL1:https://arc.ask3.ru/arc/aa/0e/0c/0ea0522611589876e035421cb18b0a0c.html
Заголовок, (Title) документа по адресу, URL1:
Speeded up robust features - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)