Previous Page  4 / 13 Next Page
Information
Show Menu
Previous Page 4 / 13 Next Page
Page Background

Алгоритм сопоставления изображений по ключевым точкам…

ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 5

89

диенты изображения при выбранном масштабе в области каждой ключевой точ-

ки. Их преобразуют в представление, которое позволяет на важных уровнях

искажать локальную форму и изменять освещенность. Этот подход называют

масштабно-инвариантным преобразованием характеристик (SIFT), так как он

преобразует данные изображения в масштабно-инвариантные координаты в

соответствии с локальными характеристиками. Важный аспект этого подхода

состоит в том, что он генерирует большое число функций, которые плотно по-

крывают изображение по всему диапазону масштабов и координат. Обычное

изображение размером 500×500 пикселей включает в себя около 2000 устойчивых

характеристик, хотя это число зависит как от контента изображения, так и от вы-

бора различных параметров. Число характеристик, в частности, важно для распо-

знавания объектов, когда возможность определения маленьких объектов из бес-

порядочных фонов требует, чтобы с каждого объекта были правильно подобраны

по крайней мере три функции для надежной идентификации [6].

Для сравнения и распознавания изображений сначала загружают SIFT-

характеристики из набора соответствующих изображений и сохраняют их в базе

данных. Каждую характеристику нового изображения сравнивают с характери-

стиками изображения из предыдущей базы данных, и находят общие сравни-

тельные характеристики на основе евклидова расстояния вектора характери-

стик. Дескрипторы ключевых точек имеют сильные отличительные особенно-

сти, которые позволяют любой характеристике с высокой долей вероятности

найти соответствие в большой базе данных. Однако на изображении с шумами

большинство фоновых характеристик не найдут соответствие в базе данных,

увеличивая вероятность ложных соответствий. Верные соответствия могут быть

отсортированы из всего набора соответствий путем определения подмножества

ключевых точек, которые согласованы с объектом и его местонахождением,

масштабом и ориентацией. Каждая такая группа, состоящая из трех или более

характеристик и согласованная с объектом и его позицией, является предметом

детальной проверки. Устанавливают любые другие характеристики, соответ-

ствующие этой позиции, а несоответствующие отбрасывают. Выполняют де-

тальный расчет вероятности, что данный набор характеристик определяет при-

сутствие объекта, точность сравнения и число возможно неверных соответ-

ствий. Полагают, что сравнительные характеристики объектов, прошедших эти

проверки, с высокой степенью точности являются верными.

На основе анализа метода сопоставления изображений по ключевым точ-

кам предложен детальный алгоритм (рис. 3), на каждом этапе которого суще-

ствуют проблемы, решаемые различными методами.

Для нахождения ключевых точек и их дескрипторов рассмотрим метод

SIFT, в основе которого лежит многомасштабное представление изображений

(рис. 4).

Основной момент при нахождении ключевых точек — построение пирами-

ды гауссианов (Gaussian) и пирамиды разностей гауссианов (Difference of

Gaussian, DoG).