RU2016103624A - Идентификация ключевых точек - Google Patents
Идентификация ключевых точек Download PDFInfo
- Publication number
- RU2016103624A RU2016103624A RU2016103624A RU2016103624A RU2016103624A RU 2016103624 A RU2016103624 A RU 2016103624A RU 2016103624 A RU2016103624 A RU 2016103624A RU 2016103624 A RU2016103624 A RU 2016103624A RU 2016103624 A RU2016103624 A RU 2016103624A
- Authority
- RU
- Russia
- Prior art keywords
- pixel
- value
- image
- function
- filtering
- Prior art date
Links
- 238000000034 method Methods 0.000 claims 25
- 238000001914 filtration Methods 0.000 claims 23
- 238000005070 sampling Methods 0.000 claims 2
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Dc Digital Transmission (AREA)
Claims (45)
1. Способ идентификации ключевых точек в цифровом изображении, содержащем набор пикселов, причем каждый пиксел имеет ассоциированное соответствующее значение характерного параметра изображения, причем упомянутый способ содержит этапы, на которых:
аппроксимируют фильтрованное изображение, причем упомянутое фильтрованное изображение зависит от параметра фильтрации и содержит, для каждого пиксела изображения, функцию фильтрации, которая зависит от параметра фильтрации для того, чтобы вычислять фильтрованное значение значения характерного параметра пиксела, причем упомянутая аппроксимация содержит этапы, на которых:
a) формируют набор базовых фильтрованных изображений, причем каждое базовое фильтрованное изображение представляет собой изображение, фильтрованное с помощью соответствующего значения параметра фильтрации;
b) для каждого пиксела, по меньшей мере, поднабора упомянутого набора пикселов, аппроксимируют функцию фильтрации посредством соответствующей аппроксимирующей функции на основе базовых фильтрованных изображений, причем упомянутая аппроксимирующая функция представляет собой функцию параметра фильтрации в пределах предварительно заданного диапазона параметра фильтрации;
для каждого пиксела упомянутого поднабора, идентифицируют такой пиксел в качестве возможного варианта ключевой точки, если аппроксимирующая функция имеет локальное экстремальное значение, которое также является глобальным экстремальным значением относительно параметра фильтрации в соответствующем поддиапазоне, внутреннем для упомянутого предварительно заданного диапазона;
для каждого пиксела, идентифицированного в качестве возможного варианта ключевой точки:
c) сравнивают значение, предполагаемое посредством аппроксимирующей функции равным значению параметра фильтрации, соответствующего глобальному экстремальному значению пиксела, со значениями, предполагаемыми посредством аппроксимирующих функций смежных пикселов в изображении равными значениям параметров фильтрации соответствующих глобальных экстремальных значений таких смежных пикселов, и
d) выбирают такой пиксел на основе этого сравнения.
2. Способ по п. 1, в котором упомянутая аппроксимация функции фильтрации посредством соответствующей аппроксимирующей функции на основе базовых фильтрованных изображений содержит этап, на котором вычисляют упомянутую аппроксимирующую функцию на основе линейной комбинации упомянутых базовых фильтрованных изображений.
3. Способ по п. 2, в котором упомянутая аппроксимирующая функция основана на дополнительной аппроксимации упомянутой линейной комбинации упомянутых базовых фильтрованных изображений.
4. Способ по п. 3, в котором упомянутая аппроксимирующая функция представляет собой полином, имеющий параметр фильтрации в качестве переменной.
5. Способ по п. 4, в котором коэффициенты упомянутого полинома вычисляются на основе базовых фильтрованных изображений и на основе аппроксимации весовых коэффициентов упомянутой линейной комбинации.
6. Способ по любому из пп. 1-3, 5, дополнительно содержащий этап, на котором отбрасывают, из выбранных пикселов, пикселы, в которых значение, предполагаемое посредством аппроксимирующей функции равным параметру фильтрации, соответствующему глобальному экстремальному значению пиксела, имеет абсолютное значение, меньшее первого порогового значения.
7. Способ по любому из пп. 1-3, 5, дополнительно содержащий этапы, на которых:
для каждого выбранного пиксела, вычисляют главную кривизну и вторичную кривизну поверхности, сформированной посредством функций фильтрации в пикселах изображения, содержащегося в заплате, центрированной на таком выбранном пикселе;
отбрасывают/поддерживают такой пиксел из/в выбранных пикселах на основе отношения между главной кривизной и вторичной кривизной.
8. Способ по любому из пп. 1-3, 5, дополнительно содержащий этапы, на которых:
для каждого выбранного пиксела, вычисляют значение, предполагаемое посредством второй производной аппроксимирующей функции относительно параметра фильтрации равным соответствующему глобальному экстремальному значению, и
отбрасывают/поддерживают такой пиксел из/в выбранных пикселах на основе такого значения, предполагаемого посредством второй производной.
9. Способ по любому из пп. 1-3, 5, в котором упомянутая идентификация ключевой точки дополнительно повторяется, по меньшей мере, для масштабированной версии изображения, с использованием идентичного предварительно заданного диапазона параметра фильтрации.
10. Способ по п. 9, в котором:
по меньшей мере, одно из значений параметра фильтрации базовых фильтрованных изображений в два раза превышает наименьшее из значений параметра фильтрации других базовых фильтрованных изображений;
упомянутая масштабированная версия изображения получается посредством аппроксимации базовых фильтрованных изображений начиная с приблизительной версии базового фильтрованного изображения, имеющего наименьшее значение параметра фильтрации, причем приблизительная версия базового фильтрованного изображения аппроксимируется посредством недостаточной дискретизации базового фильтрованного изображения с таким значением параметра фильтрации, которое в два раза превышает наименьшее значение параметра фильтрации.
11. Способ по любому из пп. 1-3, 5, в котором упомянутое фильтрованное изображение основано на применении фильтров на основе вычисления лапласиана над гауссианами или фильтров на основе разностей гауссианов, и упомянутый параметр фильтрации представляет собой среднеквадратическое отклонение гауссовой функции.
12. Способ по п. 4, дополнительно содержащий этап, на котором отбрасывают, из выбранных пикселов, пикселы, в которых значение, предполагаемое посредством аппроксимирующей функции равным параметру фильтрации, соответствующему глобальному экстремальному значению пиксела, имеет абсолютное значение, меньшее первого порогового значения.
13. Способ по п. 4, дополнительно содержащий этапы, на которых:
для каждого выбранного пиксела, вычисляют главную кривизну и вторичную кривизну поверхности, сформированной посредством функций фильтрации в пикселах изображения, содержащегося в заплате, центрированной на таком выбранном пикселе;
отбрасывают/поддерживают такой пиксел из/в выбранных пикселах на основе отношения между главной кривизной и вторичной кривизной.
14. Способ по п. 4, дополнительно содержащий этапы, на которых:
для каждого выбранного пиксела, вычисляют значение, предполагаемое посредством второй производной аппроксимирующей функции относительно параметра фильтрации равным соответствующему глобальному экстремальному значению, и
отбрасывают/поддерживают такой пиксел из/в выбранных пикселах на основе такого значения, предполагаемого посредством второй производной.
15. Способ по п. 4, в котором упомянутая идентификация ключевой точки дополнительно повторяется, по меньшей мере, для масштабированной версии изображения, с использованием идентичного предварительно заданного диапазона параметра фильтрации.
16. Способ по п. 15, в котором:
по меньшей мере, одно из значений параметра фильтрации базовых фильтрованных изображений в два раза превышает наименьшее из значений параметра фильтрации других базовых фильтрованных изображений;
упомянутая масштабированная версия изображения получается посредством аппроксимации базовых фильтрованных изображений начиная с приблизительной версии базового фильтрованного изображения, имеющего наименьшее значение параметра фильтрации, причем приблизительная версия базового фильтрованного изображения аппроксимируется посредством недостаточной дискретизации базового фильтрованного изображения с таким значением параметра фильтрации, которое в два раза превышает наименьшее значение параметра фильтрации.
17. Способ по п. 4, в котором упомянутое фильтрованное изображение основано на применении фильтров на основе вычисления лапласиана над гауссианами или фильтров на основе разностей гауссианов, и упомянутый параметр фильтрации представляет собой среднеквадратическое отклонение гауссовой функции.
18. Способ по одному из пп. 4 и 5 и любому из пп. 12-17, в котором упомянутый полином представляет собой полином третьей степени относительно параметра фильтрации.
19. Способ по любому из пп. 1-5, 12-17, в котором каждый пиксел изображения имеет, по меньшей мере, одну соответствующую координату, которая идентифицирует местоположение пикселов в изображении, причем упомянутый способ дополнительно содержит этап, на котором, для каждого выбранного пиксела, модифицируют упомянутую, по меньшей мере, одну координату такого пиксела посредством вычисления соответствующего изменения координат на основе дополнительной аппроксимирующей функции, которая аппроксимирует функцию фильтрации в пикселе относительно такого изменения координат, причем упомянутая дополнительная аппроксимирующая функция основана:
1) на функции фильтрации такого выбранного пиксела, равной значению параметра фильтрации, соответствующего глобальному экстремальному значению выбранного пиксела, и
2) на функциях фильтрации пикселов, смежных с выбранным пикселом в изображении, равных значению параметра фильтрации, соответствующего глобальному экстремальному значению выбранного пиксела.
20. Способ по п. 19, в котором упомянутое вычисление изменения координат содержит этап, на котором идентифицируют точки максимума или минимума в дополнительной аппроксимирующей функции относительно изменения координат и задают такое изменение координат на основе идентифицированных точек максимума или минимума.
21. Способ по п. 18, в котором каждый пиксел изображения имеет, по меньшей мере, одну соответствующую координату, которая идентифицирует местоположение пикселов в изображении, причем упомянутый способ дополнительно содержит этап, на котором, для каждого выбранного пиксела, модифицируют упомянутую, по меньшей мере, одну координату такого пиксела посредством вычисления соответствующего изменения координат на основе дополнительной аппроксимирующей функции, которая аппроксимирует функцию фильтрации в пикселе относительно такого изменения координат, причем упомянутая дополнительная аппроксимирующая функция основана:
1) на функции фильтрации такого выбранного пиксела, равной значению параметра фильтрации, соответствующего глобальному экстремальному значению выбранного пиксела, и
2) на функциях фильтрации пикселов, смежных с выбранным пикселом в изображении, равных значению параметра фильтрации, соответствующего глобальному экстремальному значению выбранного пиксела.
22. Способ по п. 21, в котором упомянутое вычисление изменения координат содержит этап, на котором идентифицируют точки максимума или минимума в дополнительной аппроксимирующей функции относительно изменения координат и задают такое изменение координат на основе идентифицированных точек максимума или минимума.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT001244A ITMI20131244A1 (it) | 2013-07-24 | 2013-07-24 | Identificazione di keypoint |
ITMI2013A001244 | 2013-07-24 | ||
PCT/EP2014/065808 WO2015011185A1 (en) | 2013-07-24 | 2014-07-23 | Keypoint identification |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2016103624A true RU2016103624A (ru) | 2017-08-29 |
RU2016103624A3 RU2016103624A3 (ru) | 2018-05-21 |
RU2663356C2 RU2663356C2 (ru) | 2018-08-03 |
Family
ID=49118659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016103624A RU2663356C2 (ru) | 2013-07-24 | 2014-07-23 | Идентификация ключевых точек |
Country Status (12)
Country | Link |
---|---|
US (1) | US10152646B2 (ru) |
EP (1) | EP3025273B1 (ru) |
JP (1) | JP6499647B2 (ru) |
KR (1) | KR102195826B1 (ru) |
CN (1) | CN105493105B (ru) |
BR (1) | BR112016001377B1 (ru) |
CA (1) | CA2918947C (ru) |
ES (1) | ES2939244T3 (ru) |
IT (1) | ITMI20131244A1 (ru) |
MX (1) | MX350657B (ru) |
RU (1) | RU2663356C2 (ru) |
WO (1) | WO2015011185A1 (ru) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9576218B2 (en) * | 2014-11-04 | 2017-02-21 | Canon Kabushiki Kaisha | Selecting features from image data |
EP3398164B1 (en) | 2015-12-30 | 2020-04-01 | Telecom Italia S.p.A. | System for generating 3d images for image recognition based positioning |
EP3239896B1 (en) | 2016-04-28 | 2018-11-28 | Joanneum Research Forschungsgesellschaft mbH | Data structure for describing an image sequence, and methods for extracting and matching these data structures |
CN106056636B (zh) * | 2016-05-31 | 2019-04-02 | 公安部禁毒情报技术中心 | 一种冰毒片剂的标识特征信息提取方法 |
CN108648206B (zh) * | 2018-04-28 | 2022-09-16 | 成都信息工程大学 | 一种Robert边缘检测膜计算系统及方法 |
CN111080674B (zh) * | 2019-12-18 | 2023-11-14 | 上海无线电设备研究所 | 一种基于混合高斯模型的多目标isar关键点提取方法 |
CN113627528A (zh) * | 2021-08-11 | 2021-11-09 | 江南大学 | 一种基于人眼视觉深度学习的国画所属画家自动识别方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711293B1 (en) | 1999-03-08 | 2004-03-23 | The University Of British Columbia | Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image |
US20050289519A1 (en) * | 2004-06-24 | 2005-12-29 | Apple Computer, Inc. | Fast approximation functions for image processing filters |
JP4605445B2 (ja) * | 2004-08-24 | 2011-01-05 | ソニー株式会社 | 画像処理装置および方法、記録媒体、並びにプログラム |
US7751639B1 (en) * | 2005-04-20 | 2010-07-06 | University Of East Anglia | Obtaining intrinsic images |
US8705876B2 (en) * | 2009-12-02 | 2014-04-22 | Qualcomm Incorporated | Improving performance of image recognition algorithms by pruning features, image scaling, and spatially constrained feature matching |
US8582889B2 (en) * | 2010-01-08 | 2013-11-12 | Qualcomm Incorporated | Scale space normalization technique for improved feature detection in uniform and non-uniform illumination changes |
US9530073B2 (en) * | 2010-04-20 | 2016-12-27 | Qualcomm Incorporated | Efficient descriptor extraction over multiple levels of an image scale space |
RU2438174C1 (ru) * | 2010-06-15 | 2011-12-27 | Общество с ограниченной ответственностью "Томсклаб" | Способ распознавания объектов |
US9141871B2 (en) * | 2011-10-05 | 2015-09-22 | Carnegie Mellon University | Systems, methods, and software implementing affine-invariant feature detection implementing iterative searching of an affine space |
-
2013
- 2013-07-24 IT IT001244A patent/ITMI20131244A1/it unknown
-
2014
- 2014-07-23 JP JP2016528521A patent/JP6499647B2/ja active Active
- 2014-07-23 BR BR112016001377-8A patent/BR112016001377B1/pt active IP Right Grant
- 2014-07-23 CN CN201480041493.1A patent/CN105493105B/zh active Active
- 2014-07-23 RU RU2016103624A patent/RU2663356C2/ru active
- 2014-07-23 ES ES14752573T patent/ES2939244T3/es active Active
- 2014-07-23 MX MX2016000994A patent/MX350657B/es active IP Right Grant
- 2014-07-23 WO PCT/EP2014/065808 patent/WO2015011185A1/en active Application Filing
- 2014-07-23 US US14/906,218 patent/US10152646B2/en active Active
- 2014-07-23 KR KR1020167002626A patent/KR102195826B1/ko active IP Right Grant
- 2014-07-23 EP EP14752573.7A patent/EP3025273B1/en active Active
- 2014-07-23 CA CA2918947A patent/CA2918947C/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3025273A1 (en) | 2016-06-01 |
JP6499647B2 (ja) | 2019-04-10 |
MX350657B (es) | 2017-09-12 |
CN105493105A (zh) | 2016-04-13 |
KR102195826B1 (ko) | 2020-12-29 |
US10152646B2 (en) | 2018-12-11 |
BR112016001377B1 (pt) | 2023-01-24 |
EP3025273B1 (en) | 2022-11-30 |
CA2918947C (en) | 2022-07-12 |
RU2016103624A3 (ru) | 2018-05-21 |
ITMI20131244A1 (it) | 2015-01-25 |
MX2016000994A (es) | 2016-04-19 |
RU2663356C2 (ru) | 2018-08-03 |
JP2016527634A (ja) | 2016-09-08 |
CN105493105B (zh) | 2018-12-28 |
KR20160034928A (ko) | 2016-03-30 |
WO2015011185A1 (en) | 2015-01-29 |
ES2939244T3 (es) | 2023-04-20 |
US20160155014A1 (en) | 2016-06-02 |
BR112016001377A2 (ru) | 2017-08-29 |
CA2918947A1 (en) | 2015-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2016103624A (ru) | Идентификация ключевых точек | |
KR101958116B1 (ko) | 객체 세그먼트화를 위한 전경 마스크 정정을 위한 이미지 처리 디바이스 및 방법 | |
US20130215234A1 (en) | Method and apparatus for stereo matching | |
RU2017102521A (ru) | Способ распознавания человеческих лиц, устройство и терминал | |
CN105809630B (zh) | 一种图像噪声过滤方法及系统 | |
JP2016151955A5 (ru) | ||
JP2014144034A5 (ru) | ||
WO2017192199A1 (en) | Methods and apparatus for automated noise and texture optimization of digital image sensors | |
CN107005623B (zh) | 用于图像处理的方法和装置 | |
WO2014176641A8 (en) | Image clustering for estimation of illumination spectra | |
EP3255888A3 (en) | Image processing apparatus, image capturing apparatus, image processing method, and image processing program | |
MX2021003675A (es) | Procesamiento de limites virtuales para filtrado de bucle adaptativo. | |
CN105590307A (zh) | 基于透明度的抠图方法和装置 | |
US20150228060A1 (en) | Information processing apparatus, information processing method, information processing system, and non-transitory computer readable medium | |
CN103049911B (zh) | 轮廓检测稳定性判断方法及图像检索方法 | |
JP2019526865A5 (ru) | ||
KR101651889B1 (ko) | 극저조도 영상의 화질 개선 장치 및 방법 | |
KR101661476B1 (ko) | 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치 | |
JP2019020839A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US20160196474A1 (en) | Image processing apparatus and lane partition line recognition system including the same | |
US20190158763A1 (en) | Image processing device, image processing method, and program | |
US20170345133A1 (en) | Image processing method and apparatus | |
RU2017109200A (ru) | Способ и устройство для съемки теплового изображения объекта для получения радиометрических изображений с высоким разрешением в отдельных областях | |
JP2012165147A5 (ja) | 画像処理装置およびその制御方法、ならびに撮像装置 | |
JP2017098900A5 (ru) |