Diapositiva 1

David G. Lowe Distinctive Image Features from Scale-Invariant Keypoints Arad Rosales Cruz Visin de alto nivel Enrique Sucar

Diapositiva 2

Resumen Se presenta un mtodo de extraccin de caractersticas distintivas invariante de una imagen. Rotacin Escala Cambio de punto de vistas en 3D Suma de ruido Cambios de iluminacin Se utilizan para comparar imgenes de distintas vistas. Estas caractersticas son altamente distintivas de la imagen Describen un enfoque para usas estas caractersticas para el reconocimiento de objetos.

Diapositiva 3

Introduccin Deteccin de extremos de espacio-escala. Funcin Diferencia de Gaussiana para detectar puntos de inters invariantes a escala y orientacin. Localizacin de puntos clave. Son seleccionados con base a las medidas de su estabilidad. Asignacin de orientacin. La direccin del gradiente local de la imagen. Descriptor de puntos clave. Los gradientes locales de la imagen son medidos en la escala seleccionada y se transforman en una representacin.

Diapositiva 4

Investigacin relacionada

Diapositiva 5

Deteccin de extremos de escala-espacio La primera fase de deteccin de puntos claves es identificar los lugares y las escalas que pueden ser asignados en virtud de puntos de vista diferentes el mismo objeto. El espacio-escala de la imagen: Para detectar de manera eficiente la ubicacin estable de los puntos claves en la escala de espacio, utiliza la escala de espacio en la diferencia extrema de la funcin Gaussiana convolucionando la imagen, que puede ser calculado a partir de la diferencia de cerca de dos escalas separadas por un factor multiplicativo constante k.

Diapositiva 6

Diapositiva 7

Localizacin exacta del punto clave

Diapositiva 8

Asignacin de orientacin La escala del punto clave se utiliza para seleccionar la imagen del suavizado Gaussiano, con la escala ms cercana para que todos los clculos se realicen de manera en una escala invariable. Histograma de orientacin es formado por la orientacin del gradiente de los puntos muestreados en la regin del punto clave. Cada ejemplo se agrega al histograma. Cada pico en el histograma corresponde a la direccin dominante del gradiente local (80% ese pico es usado para crear el punto clave con su orientacin). Slo alrededor del 15% de los puntos se asignan mltiples orientaciones.

Diapositiva 9

El descriptor local de la imagen Representacin del descriptor Est formado por un vector que contiene los valores de todas las entradas del histograma de orientacin

Diapositiva 10

Aplicacin para reconocimiento de objetos Reconocimiento de objetos en presencia de desorden y la oclusin Los grupos de al menos 3 caractersticas que se identific por primera vez sobre un objeto y su pose Cada grupo est marcado por la realizacin de un detallado geomtrico apropiado para el modelo El resultado se utiliza para aceptar o rechazar la interpretacin Emparejamiento y eliminacin de correspondencias Incorrectas rboles-kd, Best Bin First

Diapositiva 11

Para saber si un punto P 1 de la imagen 1, con descriptor V 1, est presente en la imagen 2: Se busca el punto P 2 con descriptor V 2 ms parecido en la imagen 2. Si la distancia entre V 1 y V 2 es menor que un umbral, entonces P 2 corresponde a P 1, sino P 1 no tiene correspondencia en la imagen 2. El problema de emparejamiento se reduce entonces a una bsqueda de vecino ms cercano Algoritmo bsico comparar V 1 contra todos los puntos de la imagen 2 rboles KD y Best-BinFirst

Diapositiva 12

Ejemplos de reconocimiento

Diapositiva 13

Diapositiva 14

En los dos ejemplos el tiempo total para reconocer los objetos fue de 0.3 segundos en un procesador Pentium 4 2GHz Estos puntos clave pueden ser aplicados a problemas de localizacin de robots y mapeo

Diapositiva 15

Conclusiones Los puntos claves han demostrado ser invariante a la rotacin de la imagen y la escala a travs de una importante gama de distorsin, ruido y cambio en la iluminacin. Un gran nmero de puntos claves se puede extraer de las imgenes, dando solidez a la extraccin y reconocimiento de objetos pequeos entre el desorden. Otras aplicaciones potenciales Vistas coincidentes para la reconstruccin en 3D Movimiento y seguimiento de la segmentacin Localizacin del robot Otras que requieran la identificacin coincidentes entre imgenes