헤시안 어핀 영역 검출기

헤시안 어핀 영역 검출기는 컴퓨터 시각 및 영상 분석 분야에서 사용되는 형상 검출기다.다른 형상 검출기와 마찬가지로, 헤시안 어핀 검출기는 일반적으로 식별 가능하고 특성 있는 관심 지점에 의존하는 알고리즘에 대한 사전 처리 단계로 사용된다.

헤시안 어핀 검출기는 해리스 어핀 영역 검출기, 헤시안 어핀 영역 검출기, 최대 안정적 극단 영역, 카디르-브라디 살선 검출기, 모서리 기반 영역(EBR) 및 강도 익스트레마 기반 검출기(IBR) 영역으로 알려진 형상 검출기의 하위 등급이다.

알고리즘 설명

헤시안 어핀 검출기 알고리즘은 해리스 어핀 영역 검출기와 거의 동일하다.사실, 두 알고리즘 모두 Krystian Mikolajczyk와 Cordelia Schmid에 의해 2002년에 도출되었다.^[2]^[3] 보다 일반적인 개요는 또한^[4] 참조하라.

헤시안 어폰은 어떻게 다른가?

해리스 어핀 검출기는 해리스 코너 측정치를 사용하여 두 번째 순간 매트릭스에서 여러 눈금에서 검출된 관심 지점에 의존한다.헤시안 어핀은 또한 다중 스케일 반복 알고리즘을 사용하여 공간적으로 국소화하여 척도와 불변점들을 선택한다.그러나 각 개별 척도에서 헤시안 어핀 검출기는 그 지점에서 헤시안 매트릭스에 기초하여 관심 지점을 선택한다.

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

여기서 $L_{aa}(\mathbf {x} )$ $L_{aa}(\mathbf {x} )$ ( $L_{aa}(\mathbf {x} )$ x $L_{aa}(\mathbf {x} )$ ) $L_{aa}(\mathbf {x})$ 은 $L_{aa}(\mathbf{x})$ $($ 는) {\displaystyle $a}$ 방향의 $a$ 두 번째 부분 파생 모델이고, $L_{ab}(\mathbf {x} )$ $L_{ab}(\mathbf {x} )$ $L_{ab}(\mathbf {x} )$ ) $L_{ab}(\mathbf {x} )$ {\ $displaysty$ $L_{ab}(\mathbf {x})$ 는 ${\displaystyb}$ $a$ 의 $a$ $b$ 혼합 부분 두 번째 파생 모델이다 $L_{ab}(\mathbf {x} )$ .It's important to note that the derivatives are computed in the current iteration scale and thus are derivatives of an image smoothed by a Gaussian kernel: $L(\mathbf {x} )=g(\sigma _{I})\otimes I(\mathbf {x} )$ . As discussed in the Harris affine region detector article, the derivatives가우스 커널과 관련된 인자에 의해 적절히 스케일링되어야 한다: $\sigma _{I}^{2}$ $\sigma _{I}^{2}$ 2 ${\$

각 척도에서 관심 지점은 헤시안 행렬의 결정 인자와 추적의 국부적 극단이다.헤시안 행렬의 흔적은 가우스인의 라플라시아어(LoG)와 동일하다.^[5]

${\reasoned}DET=\sigma _{I}^{2}(L_{xx})L_{y}(\mathbf {x} )-L_{xy}^{2}(\mathbf {x} )\\TR=\sigma _{I}(L_{xx}+)L_{yy}\end{aigned}}$

Mikolajczyk 등(2005)에서 논의한 바와 같이, 헤시안 결정요소를 최대화하는 포인트를 선택함으로써, 이 조치는 하나의 방향으로 작은 두 번째 파생상품(신호 변화)을 가지는 더 긴 구조물에 불이익을 준다.^[6]이러한 유형의 측정은 Lindeberg(1998년)가 제안한 blob 검출 체계에서 사용한 조치와 매우 유사하며, 여기서 라플라시안 또는 헤시안 결정요인은 자동 스케일 선택으로 blob 검출 방법에 사용되었다.

Harris appine 알고리즘과 마찬가지로 헤시안 매트릭스에 기초한 이러한 관심 지점도 가우스인의 라플라크에 기초한 반복 검색을 사용하여 공간적으로 국산화된다.예측 가능한 이러한 이자율을 헤시안-라플라스 이자점이라고 한다.또한, 헤시안 어핀 검출기는 이러한 초기에 검출된 점을 사용하여 반복적 형상 적응 알고리즘을 사용하여 각 관심 지점에 대한 국부 어핀 변환을 계산한다.이 알고리즘의 구현은 Harris appine 검출기와 거의 동일하지만 위에서 언급한 Hesian 측정은 Harris 코너 측정의 모든 인스턴스를 대체한다.

접착 및 기타 변형을 위한 견고성

미콜라지크 외(2005) 해리스 아핀, 헤시안 아핀, MSER,^[7] IBR & EBR 및 두드러진^[9] 검출기 등 여러 가지 아트 아핀 영역 검출기 상태를 철저히 분석하였다.^[6]Mikolajczyk 등은 평가에서 구조화된 영상과 질감화된 영상을 모두 분석했다.검출기의 리눅스 바이너리와 그 테스트 이미지는 그들의 웹페이지에서 자유롭게 이용할 수 있다] Mikolajczyk 등의 결과를 간략히 요약한 것이다.(2005) 다음 절차를 참고하십시오. 자세한 정량적 분석은 부속 지역 검출기의 비교를 참조하십시오.

전체적으로, Hesian appine 검출기는 MSER에 비해 두 번째로 성능이 우수하다.Harrisan appine detector와 마찬가지로 Hesisian appine 관심 영역은 다른 검출기보다 더 많고 작은 경향이 있다.단일 영상의 경우 일반적으로 Hesian appine detector는 Harrisan-Affine 검출기보다 더 신뢰할 수 있는 영역을 식별한다.분석되는 씬(scene)의 종류에 따라 성능이 달라진다.헤시안 어핀 검출기는 코너 같은 부분이 많은 텍스처 장면에 잘 반응한다.그러나 건물과 같은 일부 구조화된 장면에서는 헤시안 어핀 검출기가 매우 잘 작동한다.이는 잘 구성된(분할 가능한) 장면에서 더 잘 하는 경향이 있는 MSER를 보완한다.

소프트웨어 패키지

아핀 공변량 특성: K.Mikolajczyk는 다른 검출기와 설명자 외에 Hessian-Affine 검출기의 Linux 바이너리를 포함하는 웹 페이지를 유지 관리한다.다양한 검출기의 반복성을 보여주고 계산하는 데 사용할 수 있는 Matlab 코드도 이용할 수 있다.코드와 이미지는 또한 Mikolajczyk 외 연구진에서 발견된 결과를 복제할 수 있다.(2005) 종이.
lip-vireo: - VIREO 연구 그룹의 Linux, Windows 및 SunOS용 바이너리 코드, 자세한 내용은 홈페이지에서 확인하십시오.

참고 항목

참조

^ 2002년 미콜라지크, K.와 Schmid, C.부착 불변 이자점 검출기.캐나다 밴쿠버에서 열린 제8회 컴퓨터 비전에 관한 국제 회의의 진행 중.
^ 린데버그, 토니"자동 스케일 선택을 통한 기능 감지" 컴퓨터 비전 국제 저널, 30, 2, 페이지 77-116, 1998.
^ T. Lindeberg and J. Garding (1997). "Shape-adapted smoothing in estimation of 3-D depth cues from affine distortions of local 2-D structure". Image and Vision Computing. 15 (6): 415–434. doi:10.1016/S0262-8856(97)01144-X.
^ T. Lindeberg (2008–2009). "Scale-space". Encyclopedia of Computer Science and Engineering (Benjamin Wah, ed), John Wiley and Sons. Vol. IV. pp. 2495–2504. doi:10.1002/9780470050118.ecse609.
^ Mikolajczyk K. and Schmid, C. 2004.스케일 & 부착 불변 이자점 검출기.컴퓨터 비전 60 국제 저널:63-86.
^ ^a ^b K. Mikolajczyk, T.Tuytelaars, C.슈미드, A. 지서만, J. 마타스, F.샤팔리츠키, T. 카디르, L. 반 고올, 아핀 지역 검출기의 비교.IJCV 65(1/2)의 경우:43-72, 2005
^ J. 마타스, 오.Chum, M. Urban, T. Pajdla, 최대로 안정된 극지방의 견고한 와이드 베이스 스테레오.BMVC 페이지 384-393, 2002.
^ T.Tuytelaars와 L. Van Gool, 인접 불변 지역을 기준으로 광범위하게 분리된 뷰를 일치시킨다.IJCV 59(1):61-85, 2004.
^ T. Kadir, A. Zisserman, M. Brady, an appine invariant saliant region detector.ECCV 페이지 404-416, 2004.

외부 링크

[1] - 2005년 논문의 Mikolajczyk 등의 프레젠테이션 슬라이드
[2] - 코델리아 슈미드의 컴퓨터 비전 연구소
[3] - Krystian Mikolajczyk와 옥스퍼드 대학교 로봇 그룹의 시각 기하학 그룹에 의해 유지되는 Affine 공변량 특징의 코드, 테스트 이미지, 서지학.
[4] - USC 로봇 및 지능형 시스템 연구소에서 관리하는 기능(및 BLOB) 검출기의 서지학

[miko02-1] 2002년 미콜라지크, K.와 Schmid, C.부착 불변 이자점 검출기.캐나다 밴쿠버에서 열린 제8회 컴퓨터 비전에 관한 국제 회의의 진행 중.

[lin98-2] 린데버그, 토니"자동 스케일 선택을 통한 기능 감지" 컴퓨터 비전 국제 저널, 30, 2, 페이지 77-116, 1998.

[3] T. Lindeberg and J. Garding (1997). "Shape-adapted smoothing in estimation of 3-D depth cues from affine distortions of local 2-D structure". Image and Vision Computing. 15 (6): 415–434. doi:10.1016/S0262-8856(97)01144-X.

[4] T. Lindeberg (2008–2009). "Scale-space". Encyclopedia of Computer Science and Engineering (Benjamin Wah, ed), John Wiley and Sons. Vol. IV. pp. 2495–2504. doi:10.1002/9780470050118.ecse609.

[miko04-5] Mikolajczyk K. and Schmid, C. 2004.스케일 & 부착 불변 이자점 검출기.컴퓨터 비전 60 국제 저널:63-86.

[miko05-6] K. Mikolajczyk, T.Tuytelaars, C.슈미드, A. 지서만, J. 마타스, F.샤팔리츠키, T. 카디르, L. 반 고올, 아핀 지역 검출기의 비교.IJCV 65(1/2)의 경우:43-72, 2005

[7] J. 마타스, 오.Chum, M. Urban, T. Pajdla, 최대로 안정된 극지방의 견고한 와이드 베이스 스테레오.BMVC 페이지 384-393, 2002.

[8] T.Tuytelaars와 L. Van Gool, 인접 불변 지역을 기준으로 광범위하게 분리된 뷰를 일치시킨다.IJCV 59(1):61-85, 2004.

[9] T. Kadir, A. Zisserman, M. Brady, an appine invariant saliant region detector.ECCV 페이지 404-416, 2004.

[2]

[3]

[4]

[5]

[6]

[7]

[9]

Search