Efektywność wykrywania punktów charakterystycznych w obrazach stereoskopowych za pomocą wartości własnych hesjanu

• Autorzy: Korohoda, P.

Warianty tytułu

EN

Efficiency of the keypoint detection in the stereoscopic images with use of the hessian matrix eigenvalues

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano eksperyment obliczeniowy, przeprowadzony dla stereoskopowej pary obrazów, mający na celu zbadanie różnic i podobieństw w efektywności wykrywania punktów charakterystycznych z wykorzystaniem trzech metod bazujących na wartościach własnych hesjanu. Stosując gaussowską czteropoziomową piramidę, wyznaczono punkty charakterystyczne wspólne dla wszystkich poziomów, porównano wizualnie i statystycznie ich lokalizację, a następnie wyznaczono mapy dysparycji. W badaniach wykorzystano korelacyjną technikę wyznaczania dysparycji. Wykazano różnice między teoretycznie podobnymi metodami wykorzystującymi iloraz wartości własnych oraz potwierdzono korzystne cechy metody bazującej na różnicy wartości własnych.

EN

In the paper a computational experiment performed for the stereoscopic image pair has been described. The aim of the designed experiment was to investigate the similarities and differences between three methods used to localize the keypoints, basing on the Hessian matrix eigenvalues. The keypoints were obtained for the four-level Gaussian pyramid, and then the ones common for all levels were selected. Afterwards their locations were visually and statistically compared and then the disparity maps were computed. The disparity in that task was calculated with use of the correlation coefficient. The results indicate noticeable differences between theoretically similar techniques utilizing the eigenvalues ratio. The advantegous properties of the third method, based on the difference between eigenvalues, have been confirmed.

Słowa kluczowe

PL

punkty charakterystyczne; hesjan; stereoskopia; dysparycja

EN

keypoints; Hessian matrix; stereoscopy; disparity

• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2009
• Tom: T. 13, z. 3/2
• Strony: 1233-1243
• Opis fizyczny: Bibliogr. 17 poz., rys., wykr., tab

Twórcy

autor

Korohoda, P.

• Katedra Elektroniki, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• [1] Bovik A. (ed.), Handbook oflmage and Video Processing. Academic Press, 2000.
• [2] Brown M., Lowe D., Invariant Features from Interest Points Groups. Proceedings of the British Machinę Vision Conference, Cardiff, Wales, 2002, 656-665.
• [3] Brown M., Lowe D.G., Recognizing Panoramas. Proceedings of the 9th IEEE International Conference on Computer Vision (ICCV 2003), France, Nice, October 2003, II 1218-1225.
• [4] Cheung W., Hamarneh G., N-SIFT: N-Dimensional Scalę Invariant Feature Transform for matching medical images. Proceedings of the IEEE International Symposium on Biomedical Imaging (ISBI 2007), USA, Washington, April 2007, 720-723.
• [5] Cui Y., Hasler N., Thormaehlen T., Seidel H.P., Scalę Invariant Feature Transform with Irregular Orientation Histogram Binning. Proceedings of the International Conference on Image Analysis and Recognition (ICIAR 2009), Canada, Halifax, July 2009.
• [6] Cyganek B., Komputerowe przetwarzanie obrazów trójwymiarowych. EXIT, 2002.
• [7] Hoggar S.G., Mathematics of Digital Images. Cambridge University Press, 2006.
• [8] Ke Y., Sukthankar R., PCA-SIFT: a morę distinctive representation for local image descriptors. Proceedings of the IEEE Conference on Computer Vision and Pattern recognition (CVPR 2004), USA, Washington, July 2004, II 506-513
• [9] orohoda R, Badanie możliwości akustycznej reprezentacji wybranych elementów opisu przestrzeni 3D. Raport grantu badawczego KBN nr 8T11E00910, 1999.
• [10] Korohoda P., Porównanie dwóch metod trójwymiarowego modelowania obrazu za pomocą szeregu Taylora drugiego rzędu. Automatyka (półrocznik AGH), t. 12, z. 3, 2008, 683-693.
• [11] Lowe D.G., Object recognition from local scale-invariant keypoints. International Conference on Computer Vision, Corfu, Greece, 1999, 1150-1157.
• [12] Lowe D.G., Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60, 2, 2004, 91-110.
• [13] Magiera R., Modele i metody statystyki matematycznej. GiS, Wrocław, 2002.
• [14] Mikołajczyk K., Schmidt C, A performance evaluation of local descriptors. IEEE Transactions on Pattern Analysis and Machinę Intelligence, 27, 2005, 1615-1630.
• [15] Tadeusiewicz R., Korohoda R, Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków, 1997.
• [16] Wróbel Z., Koprowski R., Praktyka przetwarzania obrazów w programie Matlab. EXIT, 2004.
• [17] Mathworks www page: http://www.mathworks.com.