ОСОБЛИВІ ТОЧКИ НА ЗОБРАЖЕННЯХ: ПОРІВНЯННЯ РЕЗУЛЬТАТІВ ВИЯВЛЕННЯ РІЗНИМИ МЕТОДАМИ

A. Fesiuk, Yuriy Furgala

Анотація


Ключові точки активно застосовуються в області комп'ютерного зору та обробки зображень. Актуальність використання цього підходу пояснюється характерною здатністю ключових точок до виявлення та опису унікальних особливостей зображень, що дозволяє здійснювати ідентифікацію, порівняння та пошук.

У роботі досліджено ефективність опису зображень за допомогою детекторів та дескрипторів ключових точок для оцінки схожості зображень.  Розглянуто чотири методи, а саме SIFT, SURF, ORB та BRISK, для яких описано процедури знаходження та відбору співпадінь.

Оцінка якості виявлення та опису точок проведена таким чином: для кожної пари зображень обчислено коефіцієнт подібності, що відображає частку співпадінь ключових точок у порівнянні з загальною кількістю точок на зображеннях. За допомогою цих коефіцієнтів побудовані матриці схожості, які є мірою подібності зображень. Крім того, для кожного з методів здійснена оцінка швидкості знаходження та опису ключових точок.

В результаті дослідження встановлено, що при використанні методу SIFT отримано найвище значення коефіцієнта схожості у порівнянні з іншими методами, але час детекції та дескрипції виявився найповільнішим. За часом виконання виділяється метод ORB, що дозволяє найшвидше знаходити та описувати ключові точки, хоча результати точності є помітно гіршими порівняно з SIFT. Застосування методу SURF виявилося кращим у завданнях розпізнавання подібних зображень у порівнянні з BRISK та ORB, але швидкість виявлення та дескрипції ключових точок є меншою. Результати, отримані при використанні методу BRISK показують певний компроміс між точністю та швидкістю.

Результати дослідження мають цінність для застосування в області візуального пошуку та ідентифікації зображень. Вони можуть бути корисними у завданнях детекції та дескрипції ключових точок у системах розпізнавання зображень, а також для вдосконалення вже існуючих алгоритмів та методик.

Ключові слова: SIFT, SURF, ORB, BRISK, детекція, дескрипція, ключові точки.


Повний текст:

PDF (English)

Посилання


  1. Hassaballah, M., Awad, A.I.: Detection and description of image features: An introduction. In: Image feature detectors and descriptors, pp. 1–8. Springer, 2016
  2. Y. M. Furgala and B. P. Rusyn, "Peculiarities of melin transform application to symbol recognition," 2018 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET), Lviv-Slavske, Ukraine, pp. 251-254, 2018
  3. Y. Furgala, A. Velhosh, S. Velhosh and B. Rusyn, "Using Color Histograms for Shrunk Images Comparison," 2021 IEEE 12th International Conference on Electronics and Information Technologies (ELIT), Lviv, Ukraine, pp. 130-133, 2021
  4. S. Jamil and G. E. Saman, "Image registration of medical images," 2017 Intelligent Systems and Computer Vision (ISCV), Fez, Morocco, 2017, pp. 1-9
  5. E. P. Yudha, N. Suciati and C. Fatichah, "Preprocessing Analysis on Medical Image Retrieval Using One-to-one Matching of SURF Keypoints," 2021 5th International Conference on Informatics and Computational Sciences (ICICoS), Semarang, Indonesia, pp. 160-164, 2021
  6. A. Marmol, T. Peynot, A. Eriksson, A. Jaiprakash, J. Roberts and R. Crawford, "Evaluation of Keypoint Detectors and Descriptors in Arthroscopic Images for Feature-Based Matching Applications," in IEEE Robotics and Automation Letters, vol. 2, no. 4, pp. 2135-2142, Oct. 2017
  7. M. Ihmeida and H. Wei, "Image Registration Techniques and Applications: Comparative Study on Remote Sensing Imagery," 2021 14th International Conference on Developments in eSystems Engineering (DeSE), Sharjah, United Arab Emirates, 2021, pp. 142-148
  8. Y. Furgala, Y. Mochulsky and B. Rusyn, "Evaluation of Objects Recognition Efficiency on Mapes by Various Methods," 2018 IEEE Second International Conference on Data Stream Mining & Processing (DSMP), Lviv, Ukraine, pp. 595-598, 2018
  9. Y. Li, J. Pan, L. Jiang and Y. Sun, "Based on Harris corner of Drones vehicle target image matching method," 2022 2nd International Conference on Consumer Electronics and Computer Engineering (ICCECE), Guangzhou, China, pp. 652-656, 2022
  10. Chen, M.; Tang, Y.; Zou, X.; Huang, K.; Huang, Z.; Zhou, H.; Wang, C.; Lian, G. 3D global mapping of large-scale unstructured orchard integrating eye-in-hand stereo vision and SLAM. Comput. Electron. Agric. 2021, 187, 106237.
  11. R. Dijaya, N. Suciati and A. Saikhu, "Corn Plant Disease Identification Using SURF-based Bag of Visual Words Feature," 2022 14th International Conference on Information Technology and Electrical Engineering (ICITEE), Yogyakarta, Indonesia,, pp. 206-210, 2022
  12. D. G. Lowe, “Distinctive image features from scale-invariant keypoints” International Journal of Computer Vision, vol.60, issue 2, pp. 91-110, 2004.
  13. S. Leutenegger, M. Chli and R. Y. Siegwart, "BRISK: Binary Robust invariant scalable keypoints," 2011 International Conference on Computer Vision, Barcelona, Spain, pp. 2548-2555, 2011
  14. Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski. “ORB: an efficient alternative to SIFT or SURF”, 2011 IEEE International Conference on Computer Vision, pp.2564-2571, 2011.
  15. Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, “SURF: Speeded Up Robust Features”, Computer Vision and Image Understanding, vol. 110, № 3. – pp. 346-359, 2008.
  16. Bradski G, Kaehler A. Learning OpenCV: Computer vision with the OpenCV library. " O’Reilly Media, Inc." 2008
  17. OpenCV. Open Source Computer Vision Library. 2015
  18. E. Rosten, R. Porter and T. Drummond, "Faster and Better: A Machine Learning Approach to Corner Detection," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 32, no. 1, pp. 105-119, Jan. 2010
  19. C.Michael, L. Vincent, S. Christoph, F.Pascal, “BRIEF: Binary Robust Independent Elementary Features”. CVLab, EPFL. – 2009
  20. P. M. Panchal, S. R. Panchal, and S. K. Shah, “A Comparison of SIFT and SURF,” International Journal of Innovative Research in Computer and Communication Engineering, vol. 1, no. 2, pp. 323-327, 2013.
  21. Bradski G. The OpenCV Library. Dr Dobb’s Journal of Software Tools. 2000;
  22. M. Muja and D. G. Lowe, “Fast approximate nearest neighbors with automatic algorithm configuration.” VISAPP (1), vol. 2, pp. 331–340, 2009.




DOI: http://dx.doi.org/10.30970/eli.21.2

Посилання

  • Поки немає зовнішніх посилань.