Jump to content

Угловой детектор Харриса

Детектор углов Харриса — это оператор обнаружения углов , который обычно используется в алгоритмах компьютерного зрения для извлечения углов и определения особенностей изображения. Впервые он был представлен Крисом Харрисом и Майком Стивенсом в 1988 году после усовершенствования углового детектора Моравца . [1] По сравнению со своим предшественником, угловой детектор Харриса учитывает разницу в угловых показателях непосредственно по направлению, вместо использования смещающихся участков для каждых 45 градусов, и было доказано, что он более точен в различении краев и углов. [2] С тех пор он был улучшен и принят во многих алгоритмах предварительной обработки изображений для последующих приложений.

Введение

[ редактировать ]

Угол — это точка, локальная окрестность которой расположена в двух доминирующих и разных краевых направлениях. Другими словами, угол можно интерпретировать как место соединения двух краев, где край — это внезапное изменение яркости изображения. [3] Углы являются важными элементами изображения, и их обычно называют точками интереса, которые инвариантны к перемещению, вращению и освещению. Хотя углы составляют лишь небольшой процент изображения, они содержат наиболее важные функции восстановления информации изображения, и их можно использовать для минимизации объема обрабатываемых данных для отслеживания движения, сшивания изображений , построения 2D-мозаики, стереозрения , представления изображений. и другие смежные области компьютерного зрения.

Чтобы захватить углы изображения, исследователи предложили множество различных детекторов углов, включая оператор Канаде-Лукаса-Томази (KLT) и оператор Харриса, которые являются наиболее простыми, эффективными и надежными для использования при обнаружении углов. Эти две популярные методологии тесно связаны с матрицей локальной структуры и основаны на ней. По сравнению с угловым детектором Канаде-Лукаса-Томази, угловой детектор Харриса обеспечивает хорошую повторяемость при изменении освещенности и вращения, поэтому его чаще используют при сопоставлении стереоскопических изображений и поиске в базе данных изображений. Несмотря на то, что все еще существуют недостатки и ограничения, угловой детектор Харриса по-прежнему остается важным и фундаментальным методом для многих приложений компьютерного зрения.

Разработка алгоритма обнаружения углов Харриса [1]

[ редактировать ]

Без ограничения общности будем считать, что в оттенках серого используется двухмерное изображение . Пусть это изображение задано . Рассмотрите возможность использования патча изображения (окно) и сдвинув его на . Сумма квадратов разностей (SSD) между этими двумя патчами, обозначаемая , определяется:

может быть аппроксимировано разложением Тейлора . Позволять и быть частными производными от , такой, что

Это дает приближение

что можно записать в матричной форме:

где M структурный тензор ,

Процесс алгоритма обнаружения углов Харриса [4] [5] [6]

[ редактировать ]

Обычно алгоритм углового детектора Харриса можно разделить на пять этапов.

  1. Цвет в оттенки серого
  2. Расчет пространственной производной
  3. Настройка структурного тензора
  4. Расчет ответа Харриса
  5. Немаксимальное подавление

Цвет в оттенки серого

[ редактировать ]

Если мы используем угловой детектор Харриса в цветном изображении, первым шагом будет преобразование его в изображение в оттенках серого , что повысит скорость обработки.

Значение пикселя шкалы серого можно вычислить как взвешенную сумму значений R, B и G цветного изображения.

,

где, например,

Расчет пространственной производной

[ редактировать ]

Далее мы собираемся найти производную по x и производную по y, и .

Настройка структурного тензора

[ редактировать ]

С , , мы можем построить структурный тензор .

Расчет ответа Харриса

[ редактировать ]

Для , у одного есть На этом этапе мы вычисляем наименьшее собственное значение структурного тензора, используя это приближение:

со следом .

Другой часто используемый расчет ответа Харриса показан ниже:

где – эмпирически определенная константа; .

Немаксимальное подавление

[ редактировать ]

Чтобы подобрать оптимальные значения для обозначения углов, мы находим локальные максимумы как углы в окне, которое представляет собой фильтр 3 на 3.

  1. Угловой детектор Харриса-Лапласа [9]
  2. Угловой детектор на основе дифференциального морфологического разложения [10]
  3. Многомасштабный угловой детектор на основе тензора двусторонней структуры [11]

Приложения

[ редактировать ]
  1. Выравнивание изображения, сшивание и регистрация [12]
  2. Создание 2D-мозаики [13]
  3. 3D-моделирование и реконструкция сцены [14]
  4. Обнаружение движения [15]
  5. Распознавание объектов [16]
  6. Индексирование изображений и поиск по содержимому [17]
  7. Видео отслеживание [18]

См. также

[ редактировать ]
  1. ^ Jump up to: а б Крис Харрис и Майк Стивенс (1988). «Комбинированный детектор углов и краев». Конференция Alvey Vision . Том. 15.
  2. ^ Дей, Ниланджан; и др. (2012). «Сравнительное исследование Моравека и Харриса по угловому обнаружению зашумленных изображений с использованием метода адаптивного порогового вейвлета». arXiv : 1209.1558 [ cs.CV ].
  3. ^ Константинос Г. Дерпанис (2004). Угловой детектор Харриса . Йоркский университет.
  4. ^ «Обнаружение угла оператора Харриса с использованием метода скользящего окна — Google Scholar» . ученый.google.com . Проверено 29 ноября 2015 г.
  5. ^ «Сравнение и применение алгоритмов обнаружения углов — Google Scholar» . ученый.google.com . Проверено 29 ноября 2015 г.
  6. ^ Хавьер Санчес, Нельсон Монсон и Агустин Сальгадо (2018). «Анализ и реализация углового детектора Харриса» . Обработка изображений в режиме онлайн . 8 : 305–328. дои : 10.5201/ipol.2018.229 . hdl : 10553/43499 .
  7. ^ Беллавиа, Ф.; Теголо, Д.; Валенти, К. (01 марта 2011 г.). «Улучшение стратегии выбора углового Харриса». ИЭПП Компьютерное зрение 5 (2): 87. doi : 10.1049/iet-cvi.2009.0127 .
  8. ^ Ростен, Эдвард; Драммонд, Том (7 мая 2006 г.). Леонардис, Алеш; Бишоф, Хорст; Пинц, Аксель (ред.). Машинное обучение для высокоскоростного обнаружения углов . Конспекты лекций по информатике. Шпрингер Берлин Гейдельберг. стр. 430–443. CiteSeerX   10.1.1.64.8513 . дои : 10.1007/11744023_34 . ISBN  978-3-540-33832-1 . S2CID   1388140 .
  9. ^ «Сравнение детекторов аффинных областей — Google Scholar» . ученый.google.com . Проверено 29 ноября 2015 г.
  10. ^ Геген, Л.; Песарези, М. (2011). «Многомасштабный угловой детектор Харриса на основе дифференциального морфологического разложения» . Буквы для распознавания образов . 32 (14): 1714–1719. Бибкод : 2011PaReL..32.1714G . дои : 10.1016/j.patrec.2011.07.021 .
  11. ^ «Многомасштабный угловой детектор на основе тензора двусторонней структуры — Google Scholar» . ученый.google.com . Проверено 29 ноября 2015 г.
  12. ^ Канг, Хуан; Сяо, Чуанбай; Дэн, М.; Ю, Цзин; Лю, Хайфэн (01 августа 2011 г.). «Регистрация изображений на основе Харриса Корнера и взаимной информации». Материалы Международной конференции по электронике, машиностроению и информационным технологиям 2011 года . Том. 7. С. 3434–3437. дои : 10.1109/EMEIT.2011.6023066 . ISBN  978-1-61284-087-1 . S2CID   17367248 .
  13. ^ «Создание подводной мозаики с использованием видеофрагментов с разных высот — Академия Google» . ученый.google.com . Проверено 2 декабря 2015 г.
  14. ^ «Автоматическая реконструкция 3D-сцен из последовательностей изображений — Google Scholar» . ученый.google.com . Проверено 2 декабря 2015 г.
  15. ^ Лю, Мэн; У, Чэндун; Чжан, Юньчжоу (01 июля 2008 г.). «Алгоритм отслеживания оптического потока с различным разрешением, основанный на функции многомасштабных угловых точек Харриса». 2008 Китайская конференция по контролю и принятию решений . стр. 5287–5291. дои : 10.1109/CCDC.2008.4598340 . ISBN  978-1-4244-1733-9 . S2CID   8085227 .
  16. ^ «Распознавание объектов по функциям, инвариантным к локальному масштабу — Google Scholar» . ученый.google.com . Проверено 29 ноября 2015 г.
  17. ^ «Основные моменты поиска на основе контента – Академия Google» . ученый.google.com . Проверено 2 декабря 2015 г.
  18. ^ «Отслеживание и распознавание объектов с использованием дескриптора SURF и обнаружения углов Харриса — Google Scholar» . ученый.google.com . Проверено 2 декабря 2015 г.
[ редактировать ]
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: e4c9d0c372f968fae614fccf93c1f095__1704507960
URL1:https://arc.ask3.ru/arc/aa/e4/95/e4c9d0c372f968fae614fccf93c1f095.html
Заголовок, (Title) документа по адресу, URL1:
Harris corner detector - 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.)