ОСОБЛИВІ ТОЧКИ НА ЗОБРАЖЕННЯХ: ПОРІВНЯННЯ РЕЗУЛЬТАТІВ ВИЯВЛЕННЯ РІЗНИМИ МЕТОДАМИ
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
- Hassaballah, M., Awad, A.I.: Detection and description of image features: An introduction. In: Image feature detectors and descriptors, pp. 1–8. Springer, 2016
- 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
- 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
- S. Jamil and G. E. Saman, "Image registration of medical images," 2017 Intelligent Systems and Computer Vision (ISCV), Fez, Morocco, 2017, pp. 1-9
- 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
- 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
- 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
- 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
- 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
- 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.
- 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
- D. G. Lowe, “Distinctive image features from scale-invariant keypoints” International Journal of Computer Vision, vol.60, issue 2, pp. 91-110, 2004.
- 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
- 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.
- 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.
- Bradski G, Kaehler A. Learning OpenCV: Computer vision with the OpenCV library. " O’Reilly Media, Inc." 2008
- OpenCV. Open Source Computer Vision Library. 2015
- 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
- C.Michael, L. Vincent, S. Christoph, F.Pascal, “BRIEF: Binary Robust Independent Elementary Features”. CVLab, EPFL. – 2009
- 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.
- Bradski G. The OpenCV Library. Dr Dobb’s Journal of Software Tools. 2000;
- 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.