Порівняльний аналіз методів BRISK та ORB для виявлення локальних ознак на супутникових знімках

Автор(и)

  • Артем Вікторович Рябко Державне некомерційне підприємство «Державний університет «Київський авіаційний інститут»
  • Віталій Юрійович Грішненко Державне некомерційне підприємство «Державний університет «Київський авіаційний інститут»

DOI:

https://doi.org/10.18372/1990-5548.83.19879

Ключові слова:

комп’ютерний зір, бінарне локальне виявлення ознак, BRISK, ORB, супутникові зображення, розпізнавання об’єктів, порівняння зображень

Анотація

У роботі досліджено бінарні методи локального виявлення ознак, які відіграють важливу роль у супутниковій обробці зображень для розпізнавання об’єктів. Розглянуто методи BRISK та ORB, які широко використовуються для виявлення особливостей у супутникових зображеннях. Метою роботи є оцінка цих методів щодо їхньої здатності визначати ключові точки, стійкості до трансформацій, а також виявлення їхніх переваг і недоліків. Як приклад проведено експериментальне порівняння в середовищі MATLAB для зображень Ватикану та однієї з його будівель. Це дослідження допоможе науковцям обрати найбільш відповідний метод залежно від їхніх завдань.

Біографії авторів

Артем Вікторович Рябко , Державне некомерційне підприємство «Державний університет «Київський авіаційний інститут»

Аспірант

Факультет аеронавігації, електроніки та телекомунікацій

Віталій Юрійович Грішненко , Державне некомерційне підприємство «Державний університет «Київський авіаційний інститут»

Аспірант

Факультет аеронавігації, електроніки та телекомунікацій

Посилання

D. G. Lowe, “Distinctive image features from scale-invariant keypoints,” International Journal of Computer Vision, 60 (2), pp. 91–110, 2004.

https://doi.org/10.1023/B:VISI.0000029664.99615.94

M. Cheng and M. Matsuoka, “An efficient and precise remote sensing optical image matching technique using binary-based feature points,” Sensors, vol. 21, Issue 18, Article number 6035, 2021. https://doi.org/10.3390/s21186035

G. Malini and R. Radha, “Comparative analysis of various feature extracting algorithms using satellite images,” Journal of Advanced Research in Dynamical and Control Systems, vol. 12, Issue 7, pp. 545–552, 2020.

https://doi.org/10.5373/JARDCS/V12SP7/20202138

T. Lindeberg, “Scale selection, Computer Vision: A Reference Guide,” Springer, 2014, pp. 701–713.

https://doi.org/10.1007/978-3-030-63416-2_242

D. Detone, T. Malisiewicz, and A. Rabinovich, “SuperPoint: Self-supervised interest point detection and description,” IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, Salt Lake City, USA, 2018, pp. 337–349. https://doi.org/10.48550/arXiv.1712.07629

Y. Jin, D. Mishkin, A. Mishchuk, J. Matas, P. Fua, K. M. Yi, and E. Trulls, “Image matching across wide baselines: from paper to practice,” International Journal of Computer Vision, vol. 129 (2), 2021, pp. 517–547. https://doi.org/10.48550/arXiv.2003.01587

S. Leutenegger, M. Chli, and R. Siegwart, “BRISK: Binary Robust invariant scalable keypoints,” IEEE International Conference on Computer Vision (ICCV 2011). https://doi.org/ 10.1109/ICCV.2011.6126542

S. Ghaffari, K. F. Li, and D. Capson, “Combining SIFT and BRISK Descriptors to Improve Image Matching Accuracy,” 2024 IEEE Pacific Rim Conference on Communications, Computers and Signal Processing. https://doi.org/10.1109/PACRIM61180.2024.10690201

M. Bansal and M. Kumar, “2D object recognition: a comparative analysis of SIFT, SURF and ORB feature descriptors,” Multimedia Tools and Applications, 2021, vol. 80, Issue 12, pp. 18839–18857. https://doi.org/10.1007/s11042-021-10646-0

S. Gupta, M. Kumar, and A. Garg, “Improved object recognition results using SIFT and ORB feature detector,” Multimedia Tools and Applications, 2021, vol. 78, Issue 23, pp. 34157–34171.

https://doi.org/10.1007/s11042-019-08232-6

E. Rublee, V. Rabaud, K. Konolige, and G. Bradski, “ORB: An efficient alternative to SIFT or SURF,” IEEE International Conference on Computer Vision, 2011, pp. 2564–2571. https://doi.org/10.1109/ICCV.2011.6126544

C. Ma, X. Hu, J. Xiao, H. Du, and G. Zhang, “Improved ORB algorithm using three-patch method and local gray difference,” Sensors (Switzerland), vol. 20, Issue 4, Article number 975. https://doi.org/10.3390/s20040975

V. Hrishnenko, A. Riabko, and Y. Averyanova, “Automatic control for ensuring safety and compliance in air navigation systems: data processing algorithm of certification and regulatory standards,” 2024 International Workshop on Algorithms of Data Processing (ADP 2024), Kyiv, Ukraine, 2024, vol. 3895, pp. 201–215. ISSN: 16130073.

A. Riabko, “Methods of satellite images segmentation analysis,” 7th IEEE International Conference on Methods and Systems of Navigation and Motion Control (MSNMC), Kyiv, Ukraine, 2023, pp. 163–167. https://doi:10.1109/MSNMC61017.2023.10329167

A. Riabko, “Comparative analysis of SIFT and SURF methods for local feature detection in satellite imagery”, 2024 International Workshop on Computational Methods in Systems Engineering, (CMSE 2024), National Aviation University, Kyiv, Ukraine, vol. 3732, pp. 21–31. ISSN: 16130073

##submission.downloads##

Опубліковано

2025-04-09

Номер

Том 1 № 83 (2025)

Розділ

АВІАЦІЙНИЙ ТРАНСПОРТ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).