Presentation is loading. Please wait.

Presentation is loading. Please wait.

SURF: Speeded Up Robust Features

Similar presentations


Presentation on theme: "SURF: Speeded Up Robust Features"— Presentation transcript:

1 SURF: Speeded Up Robust Features
中部大学 藤吉研究室

2 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

3 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

4             1.検出子

5 処理の流れ Integral Imageの利用 Hessian行列算出にbox filtersの利用

6 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

7 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

8 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

9 Hessian行列 Hessian-based Lyyはy軸の2次微分 判別式: Lyy

10 Hessian行列による特徴点検出 判別式 正の場合のみの極大値

11 box filtersによる近似 Hessian-based Lyyはy軸の2次微分 判別式: Lyy Dyy 0.9倍:近似誤差修正

12 box filters

13 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

14 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

15             2.記述子

16 オリエンテーション 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  x        y

17 特徴量記述 16分割×4次元=64次元

18 速度とマッチングの比較

19 プログラムの違い(1/2) マッチング:72点 マッチング:63点 別のプログラム OpenCV1.1

20 プログラムの違い(2/2) マッチング:13点 マッチング:32点 別のプログラム OpenCV1.1

21 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

22

23 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)

24 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


Download ppt "SURF: Speeded Up Robust Features"

Similar presentations


Ads by Google