Ölçek ve Döndürme değişmez özellik tanımlayıcıları

Özellik algılamasında kullanmak için bazı ölçek ve dönme değişmez özellik tanımlayıcılarını listeleyebilir misiniz?

Uygulama, bir çoklu sınıf sınıflandırıcı kullanarak, bir İHA tarafından yakalanan videoda otomobil ve insanların tespiti içindir.

Şimdiye kadar SIFT ve MSER'e bakıyorum (afin değişmez). LESH'ye de baktım, LESH yerel enerji modeline dayanıyor, ancak dönme ile değişmeyen bir şekilde hesaplanıyor, Yerel enerjiyi kullanmanın, dönme ile değişmeyen bir yapı inşa etmenin bir yolunu düşünmeye çalışıyorum. Özellik tanımlayıcı, burada okudum SIFT / SURF'a ticari uygulamalarda kullanılabilecek ücretsiz alternatifler nelerdir? , "ilgi noktasına yönlendirme atarsanız ve görüntü düzeltme ekini buna göre döndürürseniz, ücretsiz dönme değişmezliği elde edersiniz", ancak bunun daha rahat olup olmadığını veya bunu sorunuma nasıl uygulayabileceğimi bilmiyorum, herhangi bir yardım takdir, teşekkürler

SIFT / SURF'a alternatif olarak, bağladığınız soru çok iyi cevaplar veriyor.

Okuduğum iki soru daha vardı:

• "nasıl faydalı (örn. döndürme değişmezi) özellik tanımlayıcısı oluşturabilirim"?
• "Bağlantılı sorunun ifadesiyle ilgili olarak, serbest dönme değişmezliğini nasıl başarıyor?"

Özellik tanımlayıcıları oluşturma

Bu geçerli bir araştırma konusudur. İyi özellik tanımlayıcıları sadece öğleden sonra herkesin yapabileceği bir şey değildir. İnsanlar, istenen özelliklere sahip özellik tanımlayıcılarını başarılı bir şekilde modellediklerinde makaleler yayınlar. Bu, şu anda yalnızca bir avuç son teknoloji ürünü tanımlayıcının kullanılmasının bir nedeni ve ayrıca size önerilmesini istediğim şey: ihtiyaçlarınız için iyi bir özellik tanımlayıcıları bulun .

Dönme değişmezliğine "ücretsiz" ulaşmak

$0$|black->gray->white||white->gray->black|$-90$$90$

Bu şekilde, aynı baskın yönelime (döndürülmüş yama) sahip bir görüntü yamasında tanımlayıcıyı her zaman hesaplayacak ve böylece dönme değişmezliğini elde edeceksiniz.

Ücretsiz dönme değişmezliği elde etmenin bir başka yolu, dönme değişmez olan nesneleri seçmektir. Örneğin, bir daire ya da bir halka, dönüşlere değişmez.

Özellik çıkarıcı : Kenar algılamayı çalıştırın. Her NxNpiksel komşuları için , kenar yönünü ve büyüklüğü 2B histogramı hesaplayın. Toplam büyüklüğü ve açısal yayılımı yüksek olan tüm noktaları bulun . Radyal simetrisi olmayan tüm noktaları kaldırın.

Özellik tanımlayıcı : Her dairesel nesnenin merkezini bulun. Nesne dairesel olduğu için baskın gradyan açısı yoktur. Tüm açılar eşittir. Böylece, bir radyal profil (kutupsal koordinatlarda piksel değerinin toplamı) bir açı değişmez tanımlayıcıdır.

Bu arada, fiducial'ların elektrik devre kartlarında daireler olarak üretilmesinin nedenlerinden biri de budur:

Önemli bir hızlanma ile eşit derecede iyi performans gösteren KAZE / AKAZE'yi tercih ederim. Deformasyon vakaları da tolere edilir. OpenCV yakın zamanda GSoC 2014 aracılığıyla bir uygulama elde etti. Burada bulabilirsiniz .

Bir polarite koordinatlarını (başlangıç ​​noktasında başlangıç ​​noktası olacak şekilde) log-polar koordinatlara yerel bir yamayı yeniden eşlerseniz, ölçek değişiklikleri günlük-radyal eksen boyunca bir çeviriye karşılık gelirken, dönüşler çevirilere karşılık gelir (etrafı sarar) açısal eksen boyunca. Daha sonra iki boyutlu Fourier dönüşümünü hesaplarsanız, radyal ve açısal yönlerdeki çeviriler frekans alanında faz kaymaları haline gelir. Daha sonra Fourier dönüşümünün mutlak değerini hesaplarsanız, faz tamamen kaybolur ve orijinal görüntü yamasının ölçek değişiklikleri ve dönüşleri farkedilmez hale gelir. Dolayısıyla, log-poolar koordinatlarda görüntünün 2D Fourier dönüşümünün mutlak değeri, özellik tanımlayıcınız olacaktır.

En azından teoride. Pratikte, yamanızın radyal uzantısını sınırlamanız gerekir. Bu, Fourier dönüşümünü (gerçekten bir Fourier serisi olan) hesaplamadan önce verilerinizin büyük bir bölümünü kesmeniz gerektiği anlamına gelir, bu nedenle log-polar koordinatlarda log-radyal yönde bir çeviri tam olarak bir artık frekans alanında faz kayması olduğundan, yöntem mükemmel bir şekilde ölçek değişmez değildir. Günlük yarıçapı koordinatında bazı süreklilikler olmadan pencere işlevi kullanırsanız ve renk yoğunluğu ile çarpılırsa, bu sorunun bir şekilde azaltılacağından şüpheleniyorum .

Bununla birlikte, özellik tanımlayıcısı hala mükemmel bir şekilde dönme-değişmez olmalıdır.

Referans: Ölçek Seçimi Olmadan Ölçek Değişmezliği

HIZLI ve BRISK'i de kontrol edebilirsiniz .