RU2016103624A - Идентификация ключевых точек - Google Patents

Идентификация ключевых точек Download PDF

Info

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
Application number
RU2016103624A
Other languages
English (en)
Other versions
RU2016103624A3 (ru
RU2663356C2 (ru
Inventor
Массимо БАЛЕСТРИ
Джанлука ФРАНЧИНИ
Шальг ЛЕПСОЙ
Original Assignee
Телеком Италия С.П.А.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Телеком Италия С.П.А. filed Critical Телеком Италия С.П.А.
Publication of RU2016103624A publication Critical patent/RU2016103624A/ru
Publication of RU2016103624A3 publication Critical patent/RU2016103624A3/ru
Application granted granted Critical
Publication of RU2663356C2 publication Critical patent/RU2663356C2/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462Salient features, e.g. scale invariant feature transforms [SIFT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/10Image enhancement or restoration by non-spatial domain filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • G06V10/443Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour

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.
RU2016103624A 2013-07-24 2014-07-23 Идентификация ключевых точек RU2663356C2 (ru)

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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9576218B2 (en) * 2014-11-04 2017-02-21 Canon Kabushiki Kaisha Selecting features from image data
WO2017114581A1 (en) 2015-12-30 2017-07-06 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

Family Cites Families (9)

* Cited by examiner, † Cited by third party
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
CN102763123B (zh) * 2009-12-02 2015-03-25 高通股份有限公司 通过使查询图像和模型图像中的检测到的关键点成群集而进行特征匹配
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

Also Published As

Publication number Publication date
EP3025273B1 (en) 2022-11-30
US10152646B2 (en) 2018-12-11
US20160155014A1 (en) 2016-06-02
CA2918947C (en) 2022-07-12
JP6499647B2 (ja) 2019-04-10
CA2918947A1 (en) 2015-01-29
ES2939244T3 (es) 2023-04-20
CN105493105A (zh) 2016-04-13
KR102195826B1 (ko) 2020-12-29
JP2016527634A (ja) 2016-09-08
EP3025273A1 (en) 2016-06-01
ITMI20131244A1 (it) 2015-01-25
RU2016103624A3 (ru) 2018-05-21
WO2015011185A1 (en) 2015-01-29
CN105493105B (zh) 2018-12-28
RU2663356C2 (ru) 2018-08-03
KR20160034928A (ko) 2016-03-30
BR112016001377B1 (pt) 2023-01-24
MX2016000994A (es) 2016-04-19
MX350657B (es) 2017-09-12
BR112016001377A2 (ru) 2017-08-29

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
CN106683100B (zh) 一种图像分割去雾方法及终端
US20130215234A1 (en) Method and apparatus for stereo matching
WO2017192199A1 (en) Methods and apparatus for automated noise and texture optimization of digital image sensors
CN107784631B (zh) 图像去模糊方法及装置
CN107005623B (zh) 用于图像处理的方法和装置
CN109274948B (zh) 图像色彩校正方法、装置、存储介质和计算机设备
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.
CN103049911B (zh) 轮廓检测稳定性判断方法及图像检索方法
JP2019526865A5 (ru)
US20150228060A1 (en) Information processing apparatus, information processing method, information processing system, and non-transitory computer readable medium
KR101661476B1 (ko) 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치
US10764509B2 (en) Image processing device, image processing method, and program
KR101651889B1 (ko) 극저조도 영상의 화질 개선 장치 및 방법
US20160196474A1 (en) Image processing apparatus and lane partition line recognition system including the same
US20170345133A1 (en) Image processing method and apparatus
RU2014115820A (ru) Способ определения местоположения на основе сигнатур изображений городской застройки в видимом и инфракрасном диапазонах
JP2019020839A (ja) 画像処理装置、画像処理方法、及びプログラム
EA201692174A1 (ru) Способ формирования панорамных изображений из видеопотока кадров в режиме реального времени
RU2017109200A (ru) Способ и устройство для съемки теплового изображения объекта для получения радиометрических изображений с высоким разрешением в отдельных областях
JP2015142281A5 (ru)
WO2015179841A1 (en) Methods and systems for suppressing atmospheric turbulence in images