SURF: Speeded Up Robust Features

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