|

Алгоритм сопоставления изображений по ключевым точкам при масштабируемости и вращении объектов

Авторы: Супрун Д.Е. Опубликовано: 12.10.2016
Опубликовано в выпуске: #5(110)/2016  
DOI: 10.18698/0236-3933-2016-5-86-98

  
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации  
Ключевые слова: сопоставление изображений, инвариантные характеристики, пирамида гауссианов, пирамида разности гауссианов, ключевая точка, локальный экстремум, вектор признаков, дескриптор ключевой точки

Рассмотрен способ сопоставления изображений по ключевым точкам путем извлечения отличительных, инвариантных относительно масштаба и вращения характеристик. Описан алгоритм извлечения характеристик для эффективного сопоставления различных позиций объекта при значительном диапазоне искажения, изменении в 3D-поле зрения, наличии шума и при изменении освещенности. Приведен метод масштабно-инвариантного преобразования характеристик (SIFT) для сопоставления изображений. Предложены способы реализации метода на примере построения пирамиды гауссианов и пирамиды разностей гауссианов. Рассмотрен алгоритм нахождения точки локального экстремума, выделения ключевых точек, построения вектора признаков и сопоставлены локальные дескрипторы для дальнейшего сравнения пары изображений в условиях вращения объектов, перекрытий, изменения масштаба, точки съемки и освещенности.

Литература

[1] Гаганов В. Инвариантные алгоритмы сопоставления точечных особенностей на изображениях // Компьютерная графика и мультимедиа. 2009. № 7 (1). URL: http://cgm.computergraphics.ru/issues/issue17/invariant_features

[2] Григорьев Ю.А., Ревунков Г.И. Банки данных. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. 318 с.

[3] Супрун Д.Е., Матвеев В.А. Алгоритм создания виртуального мини-музея // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2013. № 4. С. 67-78.

[4] Pope A., Lowe D. Probabilistic models of appearance for 3D object recognition // International Journal of Computer Vision. 2000. Vol. 40 (2). P. 149-167.

[5] Meng Y. Implementing the scale invariant feature transform (SIFT) method // Computer Science Department University of British Columbia Vancouver, B.C., Canada, 2006.

[6] Brown M., Winder S., Szeliski R. Multi-image matching using multi-scale oriented patches // Conference on Computer Vision and Pattern Recognition. 2005. P. 510-517.

[7] Lowe D. Distinctive image features from scale-invariant key points // Computer Science Department University of British Columbia Vancouver, B.C., Canada, 2004.