코너검출,직렬형 분류기,ORB

코너검출(해리스 코너)

직렬형 분류기(지역 이진 패턴)

ORB(Oriented FAST Rotated BRIEF)

 

-> 이미지 그래디언트나 에지는 다양한 이미지의 물체모양 정보를 제공하지만 밝기,대비,배경의 변화에 매우 민감하다.

    이를 해결하기 위해 코너,지역,이진패턴,ORB 등과 같은 좀더 복잡한 특징 설명자를 사용한다.

 

1. 해리스 코너

  해리스 코너는 코너 검출에서 가장 많이 사용되는 기술 중 하나이다. 밝기 변화를 계산하기 위해 이미지에 슬라이딩 윈도우를 이용한다. 코너는 모든방향에서 큰 변화값을 갖는 슬라이딩 윈도우의 위치를 이미지 내에서 찾는다. 

 

2. 직렬 분류기 

 

 - 대표적인 유형 2.1과 2.가 있다.

 2.1 Haar직렬형 분류기 

     - 

 2.2 LBP

      - Haar직렬형 분류기와 달리 LBP는 0,1값 정수형 이용하는 특징을 가지고있다. 따라서 학습 및 테스트에 더 빠르고 임베디드 응용 프로그램에서  더 선호한다.

      - 조명 변화에 강인하다.

 

3.ORB(Oriented FAST Rotated BRIEF)

 

 - SIFT와 비슷한 성능을 내며 거의 두배 빠르다. 

 - FAST 키포인트 검출기와 BRIEF설명자를 기반으로 한다. 

 - FAST에 빠르고  정확한 방향 구성 요소 추가

 - 방향 BRIEF 특징의 효율적인 계산 / 분산 및 상관관계 분석

 - 회전 불변 조건에서 BRIEF특징의 상관관계를 제거하는 학습방법은 가장 가까운 이웃을 찾는 문제에서 좀 더 나은 성능을 냄 

 

 

rBRIEF는 빠른 계산속도로 알려져있지만 회전에 취약하다.

조정된  BRIEF ORB에서 키포인트 방향에 따라 BRIEF를 조정하는 방법을 제안한다. 위치 (X_i,Y_i)에서 N번의 이진 테스트를 하면 특징모음이 생기고 이것은 2 x N 행렬로 구성된다. 

 

  - ORB는 실외데이터 세트에서 SIFT 및 SURF보다 성능이 우수하고 실내 데이터 세트에서 거의 비슷한 성능을 보인다.

     

 

 

출처 

-[Rosten06] E. Rosten and T. Drummond, "Machine learning for high-speed corner detection", in ECCV 2006

-(파이썬 3로) 컴퓨터 비전 다루기:이미지 인식, 추적, 머신 러닝, 비디오 처리, 컴퓨터 비전 웹서비스 /사우랍 카푸 지음 ;김정중 옮김.