SICE東北支部研究集会資料(2013年)

Size: px

Start display at page:

Download "SICE東北支部研究集会資料(2013年)"

あかりやまがた
9 years ago
Views:

1 280 ( ) SURF A Study of SURF Algorithm using Edge Image and Color Information Yoshihiro Sasaki, Syunichi Konno, Yoshitaka Tsunekawa * *Iwate University : SURF (Speeded Up Robust Features) (image recognition) (edge image) (color information) (interest point detection) : Tel.&Fax.: (019) [email protected] 1. Lowe Scale-Invariant Feature Transform (SIFT) 1) SIFT SIFT SIFT SIFT Speeded Up Robust Features(SURF) Herbert Bay 2) SURF SIFT SIFT SURF SURF 1

Tsunekawa * *Iwate University : SURF (Speeded Up Robust Features) (image recognition) (edge image) (color information)

2 2. SURF SURF SURF (a)log filter(lyy) (b)d filter(dyy) Fig. 1 LoG filter D filter ( y ) 1) 2) 3) 4) 2.1 DoG DoG DoG DoG (1) G(x, y, σ) L(x, y, σ) I(x, y) H(x, y, σ) [ ] Lxx (x, y, σ) I(x, y) L = xy (x, y, σ) I(x, y) L xy (x, y, σ) I(x, y) L yy (x, y, σ) I(x, y) L(x, y, σ) = G (x, y, σ) (2) G(x, y, σ) = 1 ( exp x2 + y 2 ) 2πσ 2 2σ 2 (3) (2) Fig.1(a) 2 LoG(Laplacian Of (1) Fig. 2 Gaussian) Fig.1 y LoG Fig.1(b) D (4) (4) 0.9 LoG D det(h approx ) = D xx I(x, y) D yy I(x, y) (0.9 D xy I(x, y)) 2 (4) (4) Fig.2 DoG σ D (4) DoG DoG 3 DoG 2

Fig. 3 Fig. 4 2.1.2 Fig.2 DoG 3 DoG 26 σ DoG DoG DoG n n-2 Fig.3 Fig.3 2.2 Fig.3 DoG DoG DoG (4) Fig.

3 Fig. 3 Fig Fig.2 DoG 3 DoG 26 σ DoG DoG DoG n n-2 Fig.3 Fig Fig.3 DoG DoG DoG (4) Fig.2 DoG DoG DoG 1 λ 1 2 λ 2 (λ 1 > λ 2 ) λ 1 >> λ 2 λ 1 << λ 2 Fig

Fig. 5 Haar Fig. 7 Fig. 6 4 4 (dx, dy) dx, dx, dy, dy 4 4 4=64 σ 6 (dx,dy) Haar Haar Fig.

4 Fig. 5 Haar Fig. 7 Fig (dx, dy) dx, dx, dy, dy 4 4 4=64 σ 6 (dx,dy) Haar Haar Fig.5 (dx,dy) Fig.6 15 (5) Mn Mn = dx 2 + dy 2 (5) σ ( ) Fig.7 ( ) 4. SURF SURF SURF 4

5 SURF 4.1 (a) (b) Fig. 8 Fig.8(b) DoG D xx Fig.9 D xx Fig.1(b) D yy 90 Fig.9 0 D xx Fig.10 Fig.2 DoG 3 2 Fig.10 ( ) (4) D xx DoG Fig. 9 D xx Fig. 10 Fig.8(a) 39 Fig.8(b)

6 Fig. 11 Fig. 13 (Fig.8(a)) Fig.13 Fig. 12 RGB R G B 30 B R G 30 Fig.11 Fig.12 Fig.12 Fig SURF SURF Fig.14 Fig.15 SURF Fig.7 6

7 Table 1 性能比較 SURF 認識率 [%] 処理時間 [s] SURF +エッジ画像提案型 SURF まとめ本報告では SURF の高性能化を図るために Fig. 14 色による特徴点絞り込み後の特徴点エッジ画像と色情報を用いた SURF を提案したそして道路標識認識を例に性能評価を行ったエッジ画像を使用することで検出される特徴点の数を増加させ色情報を用いることで不要な特徴点を削除するこれにより処理の増加特徴点数の増加に伴う処理時間の増加を抑えつつ認識率を高めることができた今回は道路標識認識を例に処理を行ったが道路標識以外を認識する場合色による判断が有 Fig. 15 提案型 SURF によるマッチング結果効であるとは限らないしかし検出したい物体以外の部分に現れた特徴点を削除する手法は有効であり特徴点を物体上に多く残すことで従来の SURF と提案型 SURF の性能の比較認識率の向上が可能であると考えられる今後を示す評価項目は画像の認識率と処理時間での課題としては物体上に多くの特徴点を残すある標識の認識基準は認識したい標識との手法の検討やハードウェア化による処理の高速マッチングが 3 点以上とれている場合である化が挙げられる評価は Intel Core i GHz CPU Math Works 社 Matlab を用いて行った用意した入力画像は 26 枚であり画像サイズは参考文献であるこれらの画像と標識のテンプレートとの間でマッチングを行った処理時間は平均値である評価結果を Table1 に示す提案型 SURF は従来の SURF に比べ認識率を大きく向上することができたさらにエッジ画像に加え色情報も用いることにより処 1) David G.Lowe Object Recognition from Local Scale-Invariant Features, Proc. of the International Conference on Computer Vision, Corfu Sept ) Herbert Bay, Tinne Tuytelaars, Luc Van Gool SURF: Speeded Up Robust Features, computer vision-eccv Lecture Notes in Computer Science, ) 今野峻一, 恒川佳隆, SURF 特徴点検出を用いた道路標識検出アルゴリズムの検討, 平成 24 年度第 3 回情報処理学会東北支部研究会理時間の増加が抑えられた 7

LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R

LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R DEIM Forum 24 F5-4 Local Binary Pattern 6 84 E-mail: {tera,kida}@ist.hokudai.ac.jp Local Binary Pattern (LBP) LBP 3 3 LBP 5 5 5 LBP improved LBP uniform LBP.. Local Binary Pattern, Gradient Local Auto-Correlations,,,,