SURF

Aproximovaná a diskretizovaná gausovská jádra druhých parciálních derivací, s kterými metoda SURF pracuje. Zde o velikosti 9×9.

SURF (Speeded-Up Robust Features) je metoda, která dokáže popsat obrázek pomocí deskriptorů. Jedná se novější obdobu metody SIFT. Popis pomocí deskriptorů vygenerovaných metodou SURF je invariantní vůči rotaci a vzdálenosti kamery od popisovaného objektu.

Algoritmus SURF se využívá v mnoha aplikacích počítačového vidění. Je používán např. pro rekonstrukci 2D a 3D scén, klasifikaci obrázků a především pro rychlý popis obsahu obrázku. Míru podobnosti dvou obrázků lze měřit např. Eukleidovskou vzdáleností.

Průběh metody SURF lze rozdělit na dvě fáze. V první fázi se hledají klíčové body obrázku, kterými mohou být rohy, skvrny nebo T-spoje. Druhou fází je výpočet deskriptoru z okolí klíčového bodu.

Určení klíčových bodů

SURF využívá pro detekci klíčových bodů integrální obraz. Pomocí integrálního obrazu je možné získat údaj o intenzitě oblasti obrázku v konstantním čase s potřebou znát jen krajní body oblasti. K detekci významných bodů v obraze se využívá detektoru založeného na výpočtu determinantu Hessovy matice. V tomto případě má Hessova matice následující tvar:

$H({\textbf {x}},\sigma )=\left[{\begin{array}{cc}L_{xx}({\textbf {x}},\sigma )&L_{xy}({\textbf {x}},\sigma )\\L_{xy}({\textbf {x}},\sigma )&L_{yy}({\textbf {x}},\sigma )\end{array}}\right]$

Kde ${\textbf {x}}\,\!$ představuje bod ve vstupním obraze $I\,\!$ a $L_{xx}({\textbf {x}},\sigma )$ je konvoluce druhé derivace Gaussovy funkce ${\frac {\partial ^{2}}{\partial x^{2}}}g(\sigma )$ se vstupním obrázkem $I\,\!$.

Související články

• SIFT (Scale Invariant Feature Transform)

Externí odkazy

• SURF on Github
• http://www.vision.ee.ethz.ch/~surf/ – stránky na Computer Vision Laboratory, ETH