Digitális képanalízis
Pontoperátorok, matching
Nézzünk egy példát!
A megoldás 1. lépése
Vagyis valóban…
(S.Seitz)
A lokális jellemzők
•(ang. local features)
•Lokalitás:
–A jellemzők teljesen helyiek, lehetnek takartak
•Mennyiség:
–Rengeteg van belőlük egy képen is
•Hatékonyság:
–Akár valós időben is meghatározhatók
•Általánosság:
–Többféle környezetben (körülmény mellett) isműködnek
Alkalmazási területek
•Képmozaikolás, panoráma-készítés
•Objektum-felismerés
•3D-s rekonstrukció
•Mozgás-követés
•Indexelés és tartalom szerinti keresés
•Robot navigáció
•…
Alapelvárások
•Transzformációkra nem érzékenyek (=invariánsok)
•Geometriai értelemben:
–Eltolás, forgatás, méretarány
•Fotometriai (radiometriai) értelemben:
–Fényesség, expozíció
Jó jellemzők
•Élek?
–Fényesség-invariáns, de…
•Pontok?
–„Szokatlan helyen lévők” – érdeklődési operátorok
Matematikai alapvetés
•I(x,y) a képmátrix
•Ix és Iy az x és y irányú deriváltak
•E(u,v) hiba (egyébként Sum Squared Distance –SSD) parányi elmozdulásra:
Egy konkrét ablaknál
•Jó közelítéssel:
H sajátértékei
•Legnagyobb és legkisebb sajátértékekre
Egy markáns példa
•Harris-operátor egy variánsa(λ_ lokális maximum keresésével):
Levezetett operátor I.
•Hasonló érdeklődési operátor adott ablakmérettel
•Vízszintesre forgatással (rotation invariant)
•Normalizálás (átlagkivonás, szórás-osztás)
•Multiscale Oriented PatcheS (MOPS)
Levezetett operátor II.
•Hasonló érdeklődési operátor adottablakmérettel
•Élek tájolása minden pixelnél
•Gyenge élek elvetése, a maradók szög-hisztogramja (ez, mint jellemző-vektor)
•Scale Invariant Feature Transform (SIFT)
