지역 특징 검출

지역 특징 검출 성능 평가 지표

• 반복성
• 분별력
• 정확성
• 계산 효율

지역 특징 검출 원리

: 여러 방향으로 밝기 변화가 심한 곳.

모라벡 알고리즘

제곱차의 합(SSD)를 이용해 특징점 검출

 

 

w(y, x) 마스크 내의 화소는 1, 그 외 모든 화소는 0 → 박스 내 화소에 대해서만 계산

(v, u)를 변화시켜가며 마스크 화소 각각에 대해 값을 생성 → S(v, u) 맵 생성

 

 

 

현재 조사중인 화소가 c와 같이 변화가 없는 경우 → 코너 아님

a와 같이 여러 방향으로 변화가 큰 경우 → 코너

동서남북 네 방향으로 한 화소만큼 이동시켜 얻은 네 개의 값을 사용

어떤 점이 코너라면 네 방향 모두 변화가 커야 한다고 간주, 네 값의 최솟값을 지역 특징 가능성 값으로 간주

But, 실제 영상은 보다 복잡, 잡음 많음, 동서남북 네 방향만 보는 것 적절 X

 

해리스 코너(Harris Corner)

모라벡의 마스크를 가우시안 마스크 G(y, x)로 대처

*가우시안 마스크: 중심에서 멀어질수록 값이 작아짐

 

 

미분을 도입 → 모든 방향에서의 변화량 측정 가능

• 테일러 확장
• : (y, x)로부터 작은 양 (v, u)만큼 이동한 점 (y+v, x+u)의 함수값 f(y+v, x+u)는 (y, x)에서 함수값 f(y, x)에 두 방향으로의 증가량인 vd_y(y, x)와 ud_x(y, x)를 더해 준 값으로 근사화 할 수 있다.

 

 

(v, u)를 바꾸어 가며 인근 조사 X → 현재 위치 영상 구조를 나타내기 위해 수학적 변환

 

2차 모멘트 행렬

 

 

(v, u)와 무관하게 계산 가능

현재 위치의 영상 구조를 파악하여 특징 여부 결정 가능

 

특징 가능성 측정

 

 

고유값(eigenvalue)을 통해 비교 가능

a: 고유값 두 개가 모두 크면 여러 방향으로 변화가 있는 지점. 특징점.

b: 고유값 하나만 크고 나머지는 작으면 한 방향으로만 변화가 있는 에지.

c: 두 개의 고유값 모두 0에 가까우면 변화가 거의 없는 곳

일반화. k는 보통 0.04

계산 효율 개선

∴ C: 특징 가능성을 나타내는 측정치