주곡률 기반 영역 검출기

PCBR이라고도 하는 주요 곡률 기반 영역 검출기는 컴퓨터 비전 및 이미지 분석 분야에서 사용되는 특징 검출기입니다.특히 PCBR 디텍터는 객체 인식 애플리케이션을 위해 설계되었습니다.

로컬 영역 검출기는 일반적으로 강도 기반 검출기와 구조 기반 검출기의 두 가지 범주로 분류할 수 있다.

강도 기반 검출기는 국소 미분 지오메트리 또는 강도 패턴을 분석하여 고유성과 안정성 기준을 충족하는 점이나 영역을 찾는다.이러한 검출기에는 SIFT, Hessian-Affine, Harris-Affine 및 MSER 등이 포함된다.
구조 기반 디텍터는 선, 모서리, 곡선 등의 구조 이미지 기능에 따라 관심점 또는 영역을 정의합니다.이러한 검출기에는 에지 기반 영역(EBR) 및 스케일 불변 형상 특징(SISF)이 포함됩니다.

검출 불변성의 관점에서 특징 검출기는 일반 해리스 코너 검출기와 같은 고정 스케일 불변 검출기, SIFT와 같은 스케일 불변 검출기 및 헤시안 아핀과 같은 아핀 불변 검출기로 나눌 수 있다.

PCBR 디텍터는 구조 기반의 아핀 불변 검출기입니다.

왜 새로운 검출기일까요?

많은 객체 인식 작업에서 포즈, 조명, 색상 및 텍스처가 클래스 내에서 변경되면 국부적인 명암에 상당한 변화가 발생할 수 있습니다.이것에 의해, 국소 강도는 안정된 검출 큐를 제공할 수 없게 된다.따라서 강도 기반 관심 연산자(예: SIFT, Harris-Affine)와 이에 기반한 물체 인식 시스템은 종종 차별적 특징을 식별하지 못한다.국소 강도 단서의 대안은 가장자리 및 곡선 형태와 같은 반국소 구조 단서를 포착하는 것이다.이러한 구조적 단서는 강도, 색상 및 포즈 변화에 더 강한 경향이 있습니다.이와 같이, 그것들은 보다 안정적인 관심 연산자의 기초를 제공하며, 이는 다시 객체 인식 정확도를 향상시킨다.PCBR 검출기는 이러한 보다 신뢰할 수 있는 영상 구조 신호를 이용하기 위해 개발되었다.

알고리즘 설명

1단계: 곡선 구조 검출

구조 기반 검출기로서 PCBR은 가장자리를 사용하지 않고 능선이라고도 하는 곡선 구조를 사용한다.곡선 구조 검출은 선과 가장자리 모두에 대해 단일 응답을 생성하며, 일반적으로 구배 크기 영상에 의해 제공되는 것보다 더 선명한 이미지의 구조적 스케치를 생성합니다.Steger의 알고리즘은 곡선 이미지를 얻도록 수정되었습니다.이 알고리즘의 첫 번째 단계인 주곡률 화상만을 사용하여 주곡률 화상을 계산하기 때문에 주곡률이 이 검출기의 이름으로 채택된다.주 곡면성을 얻기 위해 Hessian 행렬이 계산됩니다.

$\displaystyle H(\mathbf {x})=begin{bmatrix}L_{x}(\mathbf {x})&L_{xy}(\mathbf {x})\\L_{xy}(\mathbf {x})&L_{y}(\mathbf {x})\\end {bmatrix}}$

$L_{aa}(\mathbf {x} )$ 서 $L_{aa}(\mathbf {x} )$ $L_{aa}(\mathbf {x} )$ ( $L_{aa}(\mathbf {x} )$ ) { $display style$ L _ { $a$ （ $mathbf { x }$ )는 $L_{aa}(\mathbf{x})$ x 에서 a $방향$ 으로 $a$ 평가된 이미지의 두 번째 부분 도함수이며 $L_{ab}(\mathbf {x} )$ $L_{ab}(\mathbf {x} )$ a $L_{ab}(\mathbf {x} )$ ( x $L_{ab}(\mathbf {x} )$ ) { $displaystyle$ L _ { $ab$ } ( \ $displaybf {$ $x$ } )는 $L_{ab}(\mathbf{x})$ x 에서 평가된 이미지의 두 번째 부분 $도함수입니다.$ $a$ $및$ b $\displaystyle$ b 방향 $b$ .이 매트릭스의 최대 및 최소 고유값은 검은색 배경의 흰색 선과 흰색 배경의 검은색 선에 해당하는 두 개의 이미지를 형성합니다.

2단계: 규모 공간에서의 특징과 견고성 추구

이 검출기 스케일을 불변하게 하고 검출 건전성을 개선하기 위해 David Lowe의 SIFT 검출기 프로세스는 스케일 공간의 주요 곡선 구조를 검출하기 위해 시뮬레이션된다.주 곡면 값의 로컬 최대 영상은 영역을 정의하는 데 사용됩니다.

3단계: 향상된 유역 알고리즘에 의한 영역 정의

주요 곡면 영상은 형태학적 닫힘 및 고유 벡터 흐름 유도 이력 임계값에 의해 지워집니다.그런 다음 기존 유역 알고리즘이 영상에 적용되어 영역을 획득합니다.

4단계: 안정적인 지역 선택

MSER에서 ^[4]임계값을 통해 안정적인 영역을 선택하는 프로세스와 마찬가지로 로컬 스케일 변경에 따라 안정적인 영역을 선택합니다.이를 위해 연속된 척도의 각 트리플렛에 걸쳐 중첩 오차가 계산됩니다.영역 오버랩 오류가 90%를 초과할 경우 하나의 영역만 유지됩니다.오류가 70% 이상 90% 미만일 경우 모든 영역이 유지됩니다.오버랩이 70% 미만인 경우는, 이러한 영역을 폐기합니다.이러한 수치는 SIFT 기술자의 감도 분석에 의해 결정됩니다.

PCBR의 차이점은 무엇입니까?

구조 기반 검출기입니다.
클래스 내 분산을 처리하도록 설계되어 있습니다.
국소 강도가 안정적이지 않을 때 사용합니다.
반국소 특성 영역을 검출합니다.

소프트웨어 패키지

PCBR 구현 바이너리 코드는 Tom Dietterich 웹 페이지에서 ^[5]다운로드할 수 있습니다.

「」를 참조해 주세요.

레퍼런스

^ Deng, H.; Zhang, W.; Mortensen, E.; Dietterich, T.; Shapiro, L. (2007). Principal Curvature-based Region Detector for Object Recognition (PDF). IEEE Conference on Computer Vision and Pattern Recognition.
^ Steger, C. (1998). "An unbiased detector of curvilinear structures". IEEE Transactions on Pattern Analysis and Machine Intelligence. 20 (2): 113–125. CiteSeerX 10.1.1.42.2266. doi:10.1109/34.659930.
^ Lowe, D. G. (2004). "Distinctive image features from scale-invariant keypoints" (PDF). International Journal of Computer Vision. 60 (2): 91–110. doi:10.1023/B:VISI.0000029664.99615.94. S2CID 221242327.
^ Matas, J.; Chum, O.; Urban, M.; Pajdla, T. (2002). "Robust wide baseline stereo from maximally stable extremal regions" (PDF). Proceedings of the British Machine Vision Conference 2002. pp. 384–393. doi:10.5244/C.16.36. ISBN 1-901725-19-7.
^ Dietterich, Tom. "PCBR" (ZIP file).

[Hongli01-1] Deng, H.; Zhang, W.; Mortensen, E.; Dietterich, T.; Shapiro, L. (2007). Principal Curvature-based Region Detector for Object Recognition (PDF). IEEE Conference on Computer Vision and Pattern Recognition.

[Steger01-2] Steger, C. (1998). "An unbiased detector of curvilinear structures". IEEE Transactions on Pattern Analysis and Machine Intelligence. 20 (2): 113–125. CiteSeerX 10.1.1.42.2266. doi:10.1109/34.659930.

[DavidLowe01-3] Lowe, D. G. (2004). "Distinctive image features from scale-invariant keypoints" (PDF). International Journal of Computer Vision. 60 (2): 91–110. doi:10.1023/B:VISI.0000029664.99615.94. S2CID 221242327.

[4] Matas, J.; Chum, O.; Urban, M.; Pajdla, T. (2002). "Robust wide baseline stereo from maximally stable extremal regions" (PDF). Proceedings of the British Machine Vision Conference 2002. pp. 384–393. doi:10.5244/C.16.36. ISBN 1-901725-19-7.

[5] Dietterich, Tom. "PCBR" (ZIP file).

[4]

[5]

Search

주곡률 기반 영역 검출기

네임스페이스

더

목차

왜 새로운 검출기일까요?

알고리즘 설명

1단계: 곡선 구조 검출

2단계: 규모 공간에서의 특징과 견고성 추구

3단계: 향상된 유역 알고리즘에 의한 영역 정의

4단계: 안정적인 지역 선택

PCBR의 차이점은 무엇입니까?

소프트웨어 패키지

「」를 참조해 주세요.

레퍼런스

Search

주곡률 기반 영역 검출기

왜 새로운 검출기일까요?

알고리즘 설명

1단계: 곡선 구조 검출

2단계: 규모 공간에서의 특징과 견고성 추구

3단계: 향상된 유역 알고리즘에 의한 영역 정의

4단계: 안정적인 지역 선택

PCBR의 차이점은 무엇입니까?

소프트웨어 패키지

「 」를 참조해 주세요.

레퍼런스

「」를 참조해 주세요.