Порівняння градієнтних і бінарних дескрипторів у задачі виявлення ключових точок
DOI:
https://doi.org/10.18372/1990-5548.58.13507Ключові слова:
Розпізнавання об'єктів, двійкові дескриптори, відсоткові точки, ключові точки, відстеженняАнотація
В даний час пропонується безліч функцій детекторів і дескрипторів для різних додатків комп’ютерного зору. Представлене завдання обробки зображень, яка не залежить від погодних умов (таких як дощ, туман, дим, несприятливі джерела світла, обертання камери). Аналізується вплив погодних умов на кількість певних ключових точок на зображенні і з'ясовується, як певні несприятливі умови впливають на відстеження цих точок від кадру до кадру. Два бінарних дескриптора розглядаються для знаходження особливих точок зображення; дескриптори BRIEF (бінарні робастні незалежні елементарні функції) і ORB (Oriented FAST і повернені BRIEF), а також їх модифікації, щоб вивчити найбільш ефективний дескриптор, який можна використовувати в додатках, що працюють в режимі реального часу. Результат дослідження показує, що дескриптори мають високі характеристики стабільності, працюють з різними типами зображень і кутами повороту, використовуючи рекомендації щодо застосування їх модифікацій.
Посилання
D. G. Lowe, “Distinctive image features from scale-invariant keypoints,” International Journal of Computer Vision, 60(2): pp. 91–100, 2004.
H. Bay, T. Tuytelaars, and L. Van Gool, “SURF: Speeded up robust features,” in Proceedings of the 9th European Conference on Computer Vision, 2006.
Michael Calonder, et al. “BRIEF: Binary robust independent elementary features,” in Computer Vision – ECCV 2010. Springer Berlin Heidelberg, 2010, pp. 778–792.
M. Ozuysal, M. Calonder, V. Lepetit, and P. Fua, “Fast Keypoint Recognition Using Random Ferns,” IEEE Transactions on PatternAnalysis and Machine Intelligence, vol. 32, no. 3, pp. 448–461, 2010.
K. Mikolajczyk and C. Schmid, “A Performance Evaluation of Local Descriptors,” IEEE Transactions on Pattern Analysis and MachineIntelligence, vol. 27, no. 10, pp. 1615–1630, 2004.
A. Alahi, R. Ortiz & P. Vandergheynst, “Freak: Fast retina keypoint,” in 2012 IEEE Conference on Computer Vision and Pattern Recognition, June 2012, pp. 510–517.
R. Ethan, R. Vincent, K. Kurt, K. Gary, “ORB: an efficient alternative to SIFT or SURF,” 2011 IEEE International Conference on Computer Vision (ICCV 2011), vol. 1, pp. 2564–2571, 2011. DOI Bookmark:10.1109/ICCV.2011.6126544.
David G. Lowe, “Object recognition from local scale-invariant features,” Proceedings of the International Conference on Computer Vision, 1999, pp. 1150–1157.
Herbert Bay, Tinne Tuytelaars, and Luc Van Gool, “SURF: Speeded Up Robust Features,” Proceedings of the ninth European Conference on Computer Vision, 2006, pp. 404–417.
##submission.downloads##
Номер
Розділ
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).
