Обнаружение функций (компьютерное зрение) - Feature detection (computer vision)
| Обнаружение функции |
|---|
| Обнаружение края |
| Обнаружение углов |
| Обнаружение капли |
| Обнаружение гребня |
| Преобразование Хафа |
| Структурный тензор |
| Обнаружение аффинно-инвариантных признаков |
| Описание функции |
| Масштабировать пространство |
В компьютерном зрении и обработке изображений обнаружение признаков включает в себя методы вычисления абстракций информации об изображении и принятия локальных решений в каждой точке изображения, есть ли в этой точке особенность изображения данного типа или нет. Полученные в результате функции будут подмножествами области изображения, часто в форме изолированных точек, непрерывных кривых или связанных областей.
Определение признака
Не существует универсального или точного определения того, что составляет функцию, и точное определение часто зависит от проблемы или типа приложения. Тем не менее, особенность обычно определяется как «интересная» часть изображения , и эти особенности используются в качестве отправной точки для многих алгоритмов компьютерного зрения. Поскольку функции используются в качестве отправной точки и основных примитивов для последующих алгоритмов, общий алгоритм часто будет настолько хорош, насколько хорош его детектор функций. Следовательно, желательным свойством для детектора признаков является повторяемость : будет ли обнаруживаться один и тот же признак на двух или более разных изображениях одной и той же сцены.
Обнаружение признаков - это операция обработки изображения низкого уровня . То есть он обычно выполняется как первая операция с изображением и исследует каждый пиксель, чтобы увидеть, есть ли в этом пикселе особенность. Если это часть более крупного алгоритма, то алгоритм обычно проверяет изображение только в области функций. В качестве встроенного предварительного условия для обнаружения признаков входное изображение обычно сглаживается гауссовым ядром в представлении в масштабном пространстве, и вычисляются одно или несколько изображений признаков, часто выражаемые в терминах операций с производными локальных изображений .
Иногда, когда обнаружение признаков требует больших вычислительных ресурсов и есть ограничения по времени, для управления этапом обнаружения признаков может использоваться алгоритм более высокого уровня, так что только определенные части изображения ищутся на предмет признаков.
Существует множество алгоритмов компьютерного зрения, которые используют обнаружение признаков в качестве начального шага, поэтому в результате было разработано очень большое количество детекторов признаков. Они сильно различаются по типам обнаруживаемых функций, вычислительной сложности и повторяемости.
Типы особенностей изображения
Края
Края - это точки, где есть граница (или край) между двумя областями изображения. Как правило, кромка может иметь почти произвольную форму и может включать стыки. На практике края обычно определяются как наборы точек на изображении с сильным градиентом . Кроме того, некоторые общие алгоритмы затем объединяют точки с высоким градиентом в цепочку, чтобы сформировать более полное описание края. Эти алгоритмы обычно накладывают некоторые ограничения на свойства кромки, такие как форма, гладкость и значение градиента.
Локально ребра имеют одномерную структуру.
Углы / точки интереса
Термины «углы» и «точки интереса» используются в некоторой степени взаимозаменяемо и относятся к точечным элементам изображения, которые имеют локальную двумерную структуру. Название «Угол» возникло из-за того, что ранние алгоритмы сначала выполняли обнаружение края , а затем анализировали края, чтобы найти быстрые изменения направления (углы). Затем эти алгоритмы были разработаны, так что явное обнаружение краев больше не требовалось, например, путем поиска высоких уровней кривизны в градиенте изображения. Затем было замечено, что так называемые углы также обнаруживались на частях изображения, которые не были углами в традиционном смысле (например, может быть обнаружено небольшое яркое пятно на темном фоне). Эти точки часто называют интересными, но по традиции используется термин «угол».
BLOB-объекты / области интереса
Большие двоичные объекты обеспечивают дополнительное описание структур изображения с точки зрения областей, в отличие от углов, которые более похожи на точки. Тем не менее, дескрипторы больших двоичных объектов часто могут содержать предпочтительную точку (локальный максимум реакции оператора или центр тяжести), что означает, что многие детекторы больших двоичных объектов могут также рассматриваться как операторы точки интереса. Детекторы капель могут обнаруживать области изображения, которые слишком гладкие для обнаружения угловым детектором.
Попробуйте сжать изображение и затем выполнить обнаружение углов. Детектор будет реагировать на точки, которые резкие на уменьшенном изображении, но могут быть гладкими на исходном изображении. Именно в этот момент разница между угловым детектором и детектором капель становится несколько расплывчатой. В значительной степени это различие можно исправить, включив соответствующее понятие масштаба. Тем не менее, из-за их свойств отклика на различные типы структур изображения в разных масштабах, детекторы blob LoG и DoH также упоминаются в статье об обнаружении углов .
Хребты
Для удлиненных предметов понятие гребней - естественный инструмент. Дескриптор гребня, вычисленный на основе серого изображения, можно рассматривать как обобщение средней оси . С практической точки зрения гребень можно рассматривать как одномерную кривую, которая представляет ось симметрии и, кроме того, имеет атрибут локальной ширины гребня, связанный с каждой точкой гребня. К сожалению, однако, алгоритмически сложнее выделить элементы гребня из общих классов изображений с уровнем серого, чем элементы края, угла или пятна. Тем не менее, дескрипторы гребней часто используются для извлечения дорог на аэрофотоснимках и для извлечения кровеносных сосудов на медицинских изображениях - см. Определение гребней .
Детекторы признаков
| Детектор функций | Край | Угловой | Blob |
|---|---|---|---|
| Canny | да | Нет | Нет |
| Собель | да | Нет | Нет |
| Кайяли | да | Нет | Нет |
| Харрис и Стивенс / Плесси / Ши – Томази | да | да | Нет |
| СЬЮЗЕН | да | да | Нет |
| Ши и Томази | Нет | да | Нет |
| Кривизна кривой уровня | Нет | да | Нет |
| БЫСТРЫЙ | Нет | да | да |
| Лапласиан Гаусса | Нет | да | да |
| Разница гауссианов | Нет | да | да |
| Определитель гессиана | Нет | да | да |
| MSER | Нет | Нет | да |
| PCBR | Нет | Нет | да |
| Капли серого уровня | Нет | Нет | да |
Извлечение признаков
После обнаружения объектов можно извлечь локальный фрагмент изображения вокруг объекта. Это извлечение может потребовать обработки довольно значительных объемов изображения. Результат известен как дескриптор признака или вектор признака. Среди подходов, которые используются для описания признаков, можно упомянуть N -джеты и локальные гистограммы (см. Масштабно-инвариантное преобразование признаков для одного примера дескриптора локальной гистограммы). В дополнение к такой атрибутивной информации этап обнаружения признаков сам по себе может также предоставлять дополнительные атрибуты, такие как ориентация краев и величина градиента при обнаружении краев, а также полярность и сила пятна при обнаружении блоба.
Смотрите также
- Автоматическая аннотация изображения
- Извлечение признаков
- Особенности обучения
- Выбор функции
- Обнаружение переднего плана
- Векторизация (трассировка изображений)
Рекомендации
- Т. Линдеберг (2008–2009). «Масштаб-пространство» . В Бенджамине Ва (ред.). Энциклопедия компьютерных наук и инженерии . IV . Джон Уайли и сыновья. С. 2495–2504. DOI : 10.1002 / 9780470050118.ecse609 . ISBN 978-0470050118 . (сводка и обзор ряда детекторов признаков, сформулированных на основе масштабно-пространственных операций)
- Кэнни, Дж. (1986). «Вычислительный подход к обнаружению края». IEEE Transactions по анализу шаблонов и машинному анализу . 8 (6): 679–714. DOI : 10.1109 / TPAMI.1986.4767851 . . ( Обнаружение Canny Edge )
- К. Харрис; М. Стивенс (1988). «Комбинированный детектор угла и края» (PDF) . Материалы 4-й конференции Alvey Vision . С. 147–151. (Обнаружение угла Харриса / Плесси)
- С. М. Смит; Дж. М. Брэди (май 1997 г.). «SUSAN - новый подход к обработке изображений низкого уровня» . Международный журнал компьютерного зрения . 23 (1): 45–78. DOI : 10,1023 / A: 1007963824710 . (Угловой извещатель SUSAN)
- Дж. Ши; К. Томази (июнь 1994 г.). «Хорошие возможности для отслеживания» . 9-я конференция IEEE по компьютерному зрению и распознаванию образов . Springer. (Угловой детектор Ши и Томаси)
- Э. Ростен; Т. Драммонд (2006). «Машинное обучение для высокоскоростного обнаружения углов». Европейская конференция по компьютерному зрению . Springer. С. 430–443. CiteSeerX 10.1.1.60.3991 . DOI : 10.1007 / 11744023_34 . (Угловой извещатель FAST)
- Т. Линдеберг (1998). «Обнаружение признаков с автоматическим выбором шкалы» (аннотация) . Международный журнал компьютерного зрения . 30 (2): 77–116. DOI : 10,1023 / A: 1008045108935 . (Лапласиан и детерминант обнаружения гессенских капель, а также автоматический выбор шкалы)
- Д. Лоу (2004). «Отличительные особенности изображения от масштабно-инвариантных ключевых точек» . Международный журнал компьютерного зрения . 60 (2): 91. CiteSeerX 10.1.1.73.2924 . DOI : 10,1023 / Б: VISI.0000029664.99615.94 . (Обнаружение капли DOG с автоматическим выбором шкалы)
- Дж. Матас; О. Чум; М. Урбан; Т. Пайдла (2002). «Надежное стерео с широкой базой из максимально стабильных экстремальных областей» (PDF) . Британская конференция по машинному зрению . С. 384–393. (Детектор капель MSER)
- Т. Линдеберг (1993). «Обнаружение заметных каплевидных структур изображений и их масштабов с помощью первичного эскиза в пространстве масштаба: метод фокусировки внимания» (аннотация) . Международный журнал компьютерного зрения . 11 (3): 283–318. DOI : 10.1007 / BF01469346 . (Обнаружение BLOB-объектов на уровне серого и BLOB-объектов в масштабе)
- Р. Харалик, " Гряды и долины на цифровых изображениях ", Компьютерное зрение, графика и обработка изображений, том. 22, нет. 10, стр. 28–38, апрель 1983 г. (Обнаружение гребней с использованием фасетной модели)
- JL Crowley и AC Parker, " Представление формы на основе пиков и гребней разницы низкочастотного преобразования ", IEEE Transactions on PAMI, PAMI 6 (2), стр. 156–170, март 1984 г. (обнаружение гребней на основе СОБАКИ)
- Д. Эберли, Р. Гарднер, Б. Морс, С. Пайзер, К. Шарлах, Риджес для анализа изображений , Журнал математической визуализации и зрения, т. 4, стр. 4, стр. 353–373, декабрь 1994 г. (Обнаружение гребня с фиксированным масштабом)
- Т. Линдеберг (1998). «Обнаружение кромок и обнаружение гребней с автоматическим выбором шкалы» (аннотация) . Международный журнал компьютерного зрения . 30 (2): 117–154. DOI : 10,1023 / A: 1008097225773 . (Обнаружение гребня с автоматическим выбором шкалы)