노이즈에 강한 웨이블릿 변환 기반 Harris 코너 감지 알고리즘
Noise-Insenstive Wavelet Transformation-based Harris Corner Detection Algorithm
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
영상이 가진 방대한 양의 데이터와 비정규성은 영상 기반 응용을 구축하는데 큰 걸림돌이다. 이를 해결하기 위해, 영상의 특징점들이 넓게 이용되고 있다. 영상으로부터 강인한 특징점의 추출은 영상 처리 분야에서 요구하는 주요 연산중 하나이다. 영상의 특징점들 중 코너는 많은 중요한 정보를 담고 있다. 따라서 코너를 정확하게 추출하는 것은 영상 처리에서 매우 중요하며 이는 많은 연산 양을 줄여준다. 코너 추출 기법들 중 Harris 코너 추출 기법은 특히 강인한 코너점을 추출하는 것으로 잘 알려져 있으며 이를 이용하여 SIFT와 SURF 같은 특징점 기술자 알고리즘을 향상시키거나 객체 추출, 객체 추적, 영상 인식 그리고 영상 정합 등과 같은 다양한 응용에 사용된다. 따라서, Harris 코너 추출 기법을 향상시키려는 많은 연구가 수행되었다. 본 논문에서는 웨이블릿 변환과 Harris 코너 추출 기법을 상보적으로 연결함으로서 잡음에 강인한 특징점을 빠르게 추출 할 수 있는 웨이블릿 기반의 Harris 코너 추출 기법을 제안한다. 제안된 기법을 검증하기 위해 lena 형상을 이용해서 실험을 수행했다. 실험은 제안된 기법이 Harris 코너 추출 기법보다 더 강인한 특징점을 빠르게 추출함을 보여준다.
Abstract
The massive amounts of data and the irregularity of images are big obstacles in constructing image-based applications. To solve the problems, feature points of images are widely used. The extraction of robust feature points from images is one of the fundamental operations required in image processing. Corners in images represent a lot of important information. Hence, extracting corners accurately is significant to image processing as well as reducing much of the calculations. Harris corner detection algorithm, among many corner detection algorithms, is well known for extracting robust corners. It is used to improve feature description algorithms such as Scale-invariant feature transform(SIFT) and Speeded Up Robust Feature(SURF). It is also employed in the development of various image processing applications such as object segmentation, object tracking, image recognition, and image registration etc. Therefore, a lot of research has been conducted to improve the Harris corner detection algorithm. In this paper, we proposed a noise-insenstive wavelet-based Harris corner detection algorithm which can extract more resilient corners and more rapidly than the Harris corner detection algorithm, by combining Wavelet transformation and Harris corner detection algorithm and making them complementary. Experiments were performed using Lena image and they showed that the proposed technique produces more robust salient points and more rapidly than Harris corner detection algorithm does.
참고문헌 (13)
- N. Sebe, "Evaluation of salient point techniques", Image and Vision Computing, 21(13-14), pp.1087~1095 (2003)
- T. Tuytelaars, "Local invariant feature detectors: A survey", computer graphics and vision, 3(3), pp.177~280 (2007)
- J. Chen, "The comparison and application of corner detection algorithms", Journal of Multimedia, 4(6), pp.435~441 (2009)
- A. Noble, "Finding corners", Image and Vision Computing Journal, 6(2), pp.121~128 (1988)
- J. Shi, "Good features to track", IEEE Conference on Computer Vision and Pattern Recognition, pp.593~600 (1994)
- C. Harris, "A combined corner and edge detector", Proceedings of the 4th Alvery Vision Conference, pp.147~151 (1988)
- P. Azad, "Combining harris interest points and the SIFT descriptor for fast scale-invariant object recognition", Intelligent Robots and Systems, 2009, IEEE, 2009, 4275~4280
- 강남오, "웨이블릿 변환을 이용한 방향성 기반 특징점 추출 기법", 한국지식정보기술학회 논문지, 8(6), pp.57~62 (2013), 한국지식정보기술학회
- "ISO", IEC, 15444-1, Information technology –JPEG2000, image coding system, 2000
- C. Schmidt, "Local grayvalue invariants for image retrieval", IEEE transactions on pattern analysis and machine intelligence, 19, pp.530~535 (1997)
- P. R. Beaudet, "Rotationally invariant image operators", Proc. 4th International joint Conf. on Pattern Recognition, pp.597~583 (1978)
- L. Kitchen, "Gray level corner detection", Pattern Recognition Letters, pp.95~102 (1982)
- Q. Tian, "Image retrieval using wavelet-based salient points", Journal of Electronic Imaging, pp.835~849 (2001)