Przetwarzanie obrazu pola obserwacji metodą dopasowania deskryptorów punktów kluczowych

• Autorzy: Jakubowski, J. , Pacan, J.

Warianty tytułu

EN

Image scenery processing with the use of matching based on key point descriptors

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wyniki wstępnych badań nad możliwością wykorzystania transformacji obrazu SIFT w zagadnieniach interpretacji treści obrazu cyfrowego. Efektem transformacji jest zbiór punktów kluczowych, których opis wyrażony 128-elementowym wektorem cech stanowi dane wejściowe dla procedury klasyfikacji minimalno-odległościowej. Prezentowany materiał omawia własności samej metody oraz ilustruje w sposób ilościowy jej zdolność do detekcji wyróżnionej klasy obiektów, których wzorce znajdują się w bazie danych.

EN

The paper presents the results of an initial research on the possibilities to use SIFT transform as a method to analyze the scene in digital images. The output of the transform is a set of key points described with a 128-element vector of features that can be used as an input to a minimum distance classifier. Presented material shows basic properties of the method as well as its quantitative assessment to detect distinguished objects of known patterns included in the data base.

Słowa kluczowe

PL

transformacja obrazów; SIFT; deskryptory punktów kluczowych; detekcja obiektów; klasyfikator minimalnej odległości

EN

image transformation; SIFT; key point descriptors; object detection; minimum distance classification

• Czasopismo: TTS Technika Transportu Szynowego
• Rocznik: 2012
• Tom: R. 19, nr 9
• Strony: 2117--2125, CD
• Opis fizyczny: Bibliogr. 6 poz.

Twórcy

autor

Jakubowski, J.

• Wojskowa Akademia Techniczna

autor

Pacan, J.

• Wojskowa Akademia Techniczna

Bibliografia

• 1. Agarwal S., Awan A., Roth D.: Learning to Detect Objects in Images via a Sparse, Part-Based Representation, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 26, Nr. 11, 2004, ss. 1475-1490.
• 2. Bay H., Ess A., Tuytelaars T., Van Gool L.: Speeded-Up Robust Features (SURF), Computer Vision and Image Understanding, 110(2008), ss. 346-359.
• 3. Jakubowski J.: Ocena możliwości wykorzystania deskryptorów cech lokalnych obrazu twarzy w zadaniu automatycznej identyfikacji osób, Przegląd Elektrotechniczny, R. 88, NR 9a/2012, ss. 217-221.
• 4. Lowe D.: Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, Nr 60 (2), ss. 91–110,
• 5. Matas J, Chum O., Urban M., Pajdla T.: Robust wide baseline stereo from maximally stable extremal regions, Proc. of British Machine Vision Conference, ss. 384-396, 2002.
• 6. Mikolajczyk K., Schmid C., Scale & Affine Invariant Interest Point Detectors, International Journal of Computer Vision, vol. 60 (1), 2004, ss. 63-86.