Download - SURF: Speeded Up Robust Features
SURF: Speeded Up Robust Features
中部大学 藤吉研究室
はじめに
SIFT スケール、画像の回転に不変な特徴点と特徴量 処理コストが高い
SURF 性能を犠牲にしないで高速化
SURFの処理の流れ
1.検出子 キーポイント(特徴点)の検出 スケール探索
2.記述子 オリエンテーション 特徴量の記述
1.検出子
処理の流れ
Integral Imageの利用 Hessian行列算出に box filtersの利用
Integral Image
矩形領域の輝度値の和を高速に算出可能 利点
領域の数が多い場合 領域が重なり合う場合
特徴点とは
輝度差が大きい (エッジ) テスクチャが多い その場所の固有の情報が多い
→特徴点に向いている
エッジの種類
xy方向の両方の輝度差が大きい xy方向の両方の輝度差が大きいが極性が違う
xy方向の片方が輝度差が大きい
Hessian行列
Hessian-based
L yyはy軸の 2次微分
判別式:
Lyy
Hessian行列による特徴点検出
正の場合のみの極大値
判別式
box filtersによる近似
Hessian-based
L yyはy軸の 2次微分
判別式:
Lyy Dyy
0.9倍:近似誤差修正
スケールスペース
フィルタサイズを拡大: 9 x 9, 15 x 15, 21 x 21, 27 x 27それぞれスケール 1.2, 2.0, 2.8, 3.6に対応
極値探索
26近傍で極値ならキーポイント
キーポイント検出例
2.記述子
オリエンテーション
x y
オリエンテーションの向きに正規化を行うことで回転に不変な特徴量を算出 範囲は 6sの大きさ Haar-Wavelet(4sの大きさ )を利用 SIFTと同様に勾配強度算出 分解能は 60度 勾配強度の和が最も大きい角度
→オリエンテーション
特徴量記述
16分割 ×4次元= 64次元
速度とマッチングの比較
プログラムの違い( 1/2)
OpenCV1.1 別のプログラム
マッチング: 72点 マッチング: 63点
プログラムの違い( 2/2)
OpenCV1.1 別のプログラム
マッチング: 13点 マッチング: 32点
おわりに
SIFTの精度を維持したまま高速マッチングが可能 Integral Imageの利用 Hessian行列算出に box filtersの利用
Integral Image
矩形領域の輝度値の和を高速に算出可能
積分画像の算出法 画像 I(x, y) 積分画像 ii(x, y)
領域内の輝度和の算出
積分画像を算出することで領域内の輝度値の合計を高速に算出
利点 領域の数が多い場合 領域が重なり合う場合