CC BY
409Годес Александра Владимировна Студентка Уральского Федерального Университета имени первого Президента России Б.Н. Ельцина, Россия, г.Екатеринбург
DOI: 10.24411/2520-6990-2019-10765 РАЗРАБОТКА ПРИЛОЖЕНИЯ СОПОСТАВЛЕНИЯ ИЗОБРАЖЕНИЙ МЕТОДОМ ОСОБЫХ ТОЧЕК
Godes Alexandra Vladimirovna
Student of the Ural Federal University named after the first President of Russia B.N. Yeltsin, Russia, Yekaterinburg
DEVELOPMENT OF THE APPLICATION OF COMPARISON OF IMAGES
SPECIAL POINTS
Аннотация
Целью статьи является описание метода особых точек, сравнительный анализ дескрипторов особых точек и разработка приложения сопоставления изображений. Основными методами являются сравнительный анализ существующих методов решения задачи и предметное моделирование. Результатом исследования является разработка приложения сопоставления изображений.
Abstract
The purpose of the article is to describe the method of singular points, a comparative analysis of descriptors of singular points and the development of an application for matching images. The main methods are a comparative analysis of existing methods for solving the problem and subject modeling. The result of the study is the development of an image matching application.
Ключевые слова: компьютерное зрение; сопоставление изображений; особые точки; дескриптор; OpenCV.
Key words: computer vision; image matching; special points; descriptor; OpenCV.
На сегодняшний день метод особых точек является эффективным методом решения задачи сопоставления изображений. В основе этого метода лежит сравнение изображений по особенным точкам, то есть, вместо изображений сопоставляются их модели, построенные на основе этих ключевых точек. Особыми точками являются те точки изображения, которые с наибольшей вероятностью
будут найдены на другом изображении, с котором сравнивается исходное. В качестве особых точек выступают хорошо различимые локальные области изображения: края, углы, используемые в дальнейших этапах распознавания образов [1].
На рисунке 1 изображены случаи применения метода сопоставления изображений на основе особых точек в условиях искажений.
в
Рисунок 1. Случаи применения метода сопоставления изображений на основе особых точек: а — изменение масштаба; б — изменение угла обзора; в — изменение освещения
Для обнаружения особых точек используется стандартная схема сопоставления изображений. Сначала применяется детектор особых точек. После этого окрестности найденных точек описываются с помощью дескриптора, инвариантного к искажениям. Соответствия между особыми точками устанавливаются на основе расстояния по дескриптору: для каждой точки первого изображения выбирается ближайшая к ней точка второго изображения. При этом проверяется выполнение и обратного условия.
Последним этапом является использование томографии для построения линий между ключевыми точками. Томография используется для нахождения соответствия между наборами точек на исходном изображении и найденном. Для определения гомографии между множествами особых точек изображений, соответствующих одной и той же точке объекта, можно использовать метод ЯАШАС.
На рисунке 2 изображен алгоритм сопоставления изображений.
Определение особых точек
V
Построение дескрипторов особых точек
--
Сравнение дескрипторов
Построение модели преобразования изображения
Рисунок 2. Алгоритм сопоставления изображений
В таблице 1 представлен сравнительный анализ дескрипторов особых точек.
Таблица 1.
Сравнительный анализ дескрипторов особых точек_
Название дескриптора Быстродействие Свободная лицензия Точность при преобразовании
масштаб-поворот изменение угла обзора освещение JPEG-сжатие
SIFT (Scale-invariant feature transform) - - + + + +
SURF (Speeded up robust features) - - + - + +
ASIFT (Affine-scale-invariant feature transform) - + + + + +
BRIEF (Binary Robust Independent Elementary Features) + + - + + +
ORB (Oriented FAST and Rotated BRIEF) + + - - + +
BRISK (Binary Robust Invariant Scalable Keypoints) + + + + + +
FREAK (Fast Retina Keypoint) + + + - + +
AKAZE (Accelerated-KAZE) + + + + + +
LATCH (Learned Arrangements of Three Patch Codes) + + - - + +
Бинарные дескрипторы (BRIEF, ORB, BRISK, FREAK, LATCH, AKAZE) существенно выигрывают по быстродействию в сравнении с классическими дескрипторами (SIFT, SURF), но при этом их точность ниже. Поэтому прослеживается обратная зависимость между качеством и быстродействием дескрипторов [2].
Приложение сопоставления изображения было разработано на языке программирования Java, с
использованием библиотеки компьютерного зрения с открытым исходным кодом OpenCV. В качестве дескриптора особых точек был выбран AKAZE, ввиду его быстродействия и инвариантности к различным искажениям.
На рисунке 3 изображен результат выполнения приложения сопоставления изображений.
Рисунок 3. Результат выполнения приложения сопоставления изображений
Рисунок 3 демонстрирует работу приложения сопоставления изображений. Слева находится исходное изображение, а справа изображение, с которым сопоставлялось исходное. Линиями соединены совпадающие на двух изображениях особые точки и контуром квадратной формы выделено совпадающее транспортное средство.
Список литературы:
1. Сафонов А.С. Построение SIFT-дескрипторов и нахождение особых точек на изображениях. [Электронный ресурс] // Известия Тульского государственного университета. Технические науки. - 2017. - Т.4, №36. - С. 182-188.
2. Краснобаев Е.А., Чистобаев Д.В., Малышев А.Л. Сравнение бинарных дескрипторов особых точек изображений в условиях искажений. [Электронный ресурс] // Компьютерная оптика. -2019. - № 2. - С. 434-445.
