TRƯỜNG ĐẠI HỌC SÀI GỊN
KHOA ĐIỆN TỬ VIỄN THƠNG
BÁO CÁO ĐỀ TÀI
PHÁT HIỆN GÓC
Sinh viên thực hiện:
Nguyễn Ghi Tất
Lê Thành Thuận
12/30/21
Thị giác máy tính
1
ĐIỂM ĐẶC TRƯNG
12/30/21
Thị giác máy tính
2
ĐIỂM ĐẶC TRƯNG
Điểm đặc trưng cục bộ: các thành phần chính
1) Phát hiện (Detection)
Tìm thấy một tập hợp các điểm chính đặc biệt.
2) Sự miêu tả (Description)
Trích xuất bộ mơ tả tính năng xung quanh mỗi điểm dưới dạng vec-tơ.
3) Tính phù hợp (Matching)
Tính tốn khoảng cách giữa các vec-tơ để tìm sự tương đối.
12/30/21
Thị giác máy tính
3
ĐIỂM ĐẶC TRƯNG
Tại sao phải trích xuất điểm quan tâm?
12/30/21
Thị giác máy tính
4
ĐIỂM ĐẶC TRƯNG
•
Các bước để kết hợp hai bức ảnh
Bước 1: trích xuất các điểm đặc trưng
Bước 2: đối xứng các điểm đặc trưng
Bước 3: căn chỉnh hình ảnh
12/30/21
Thị giác máy tính
5
ĐIỂM ĐẶC TRƯNG
Đặc tính của điểm đặc trưng
Tính lặp lại
Các đặc điểm tương tự có thể được tìm thấy trong một số hình ảnh bỏ qua các phép biến đổi hình học và trắc quang.
Nét nổi
Mỗi đặc điểm là riêng biệt.
Độ nhỏ gọn và hiệu quả
Ít tính năng hơn pixel hình ảnh.
Điểm cục bộ
Một đặc điểm chiếm một vùng tương đối nhỏ trong hình.
12/30/21
Thị giác máy tính
6
ĐIỂM ĐẶC TRƯNG
Ta muốn phát hiện (ít nhất một số điểm) các điểm giống nhau trong hình ảnh.
Với những điểm này, khơng có cơ hội để tìm thấy các kết quả phù hợp thực sự.
Ta phải chạy quy trình phát hiện độc lập trên mỗi hình ảnh.
12/30/21
Thị giác máy tính
7
ĐIỂM ĐẶC TRƯNG
Ta muốn xác định một cách đáng tin cậy điểm nào đi với điểm nào.
Phải cung cấp một số bất biến cho sự khác biệt hình học và trắc quang giữa hai chế độ
xem.
12/30/21
Thị giác máy tính
8
ỨNG DỤNG
Ứng dụng của điểm đặc trưng :
•
•
•
•
•
•
12/30/21
Căn chỉnh hình ảnh
Tái tạo 3D
Theo dõi chuyển động
Robot điều hướng
Lập chỉ mục và truy xuất cơ sở dữ liệu
Nhận dạng đối tượng
Thị giác máy tính
9
PHÁT HIỆN GÓC
Sự tương quan giữa các chế độ xem
Sự tương quan: đối sánh các điểm, các bản vá lỗi, các cạnh hoặc vùng trên các hình ảnh
12/30/21
Thị giác máy tính
10
PHÁT HIỆN GĨC
Các tính năng địa phương bất biến:
Phát hiện các điểm có thể lặp lại và phân biệt
Bất biến đối với các phép biến đổi ảnh:
•
•
12/30/21
Sự thay đổi ngoại hình (độ sáng, độ chiếu sáng)
Sự biến đổi hình học (phép tịnh tiến, phép quay, tỷ lệ)
Thị giác máy tính
11
PHÁT HIỆN GĨC
•
Thuộc tính chính: trong vùng xung quanh một góc, độ dốc hình ảnh có hai
hoặc nhiều hướng chủ đạo.
•
12/30/21
Các góc có thể lặp lại và riêng biệt.
Thị giác máy tính
12
PHÁT HIỆN GĨC
Chúng ta có thể dễ dàng nhận ra điểm này bằng cách nhìn qua một cửa sổ nhỏ Dịch chuyển cửa sổ theo bất kỳ
hướng nào sẽ tạo ra sự thay đổi lớn về cường độ
Vùng "phẳng": không
"Cạnh":
thay đổi theo mọi hướng
không thay đổi theo
hướng cạnh
12/30/21
Thị giác máy tính
"Góc":
thay đổi đáng kể theo
tất cả các hướng
13
PHÁT HIỆN GÓC
Thay đổi giao diện của cửa sổ w (x, y) cho [u, v]:
E (u , v) = ∑ w( x, y ) [ I ( x + u , y + v) − I ( x, y ) ]
2
x, y
Window
Shifted
function
intensity
Window function w(x,y) =
or
1 in window, 0 outside
12/30/21
Intensity
Thị giác máy tính
Gaussian
14
PHÁT HIỆN GÓC
Thay đổi giao diện của cửa sổ w (x, y) cho [u, v]:
E (u , v) = ∑ w( x, y ) [ I ( x + u , y + v) − I ( x, y ) ]
2
x, y
I(x, y)
E(u, v)
E(0,0)
w(x, y)
12/30/21
Thị giác máy tính
15
PHÁT HIỆN GÓC
Thay đổi giao diện của cửa sổ w (x, y) cho [u, v]:
E (u , v) = ∑ w( x, y ) [ I ( x + u , y + v) − I ( x, y ) ]
2
x, y
I(x, y)
E(u, v)
E(3,2)
w(x, y)
12/30/21
Thị giác máy tính
16
PHÁT HIỆN GÓC
Thay đổi giao diện của cửa sổ w (x, y) cho shift [u, v]:
E (u , v) = ∑ w( x, y ) [ I ( x + u , y + v) − I ( x, y ) ]
2
x, y
Xấp xỉ cục bộ bậc hai của E (u, v) trong vùng lân cận của (0,0) được đưa ra bởi khai triển Taylor bậc
hai:
Eu (0,0) 1
Euu (0,0) Euv (0,0) u
E (u, v) ≈ E (0,0) + [u v]
+ [u v]
v
E
(
0
,
0
)
E
(
0
,
0
)
E
(
0
,
0
)
2
vv
v
uv
12/30/21
Thị giác máy tính
17
PHÁT HIỆN GĨC
Phép tính gần đúng bậc hai đơn giản hóa thành M là ma trận thời điểm thứ hai được tính từ các đạo hàm ảnh:
u
E (u, v) ≈ [u v] M
v
I x2
M = ∑ w( x, y )
x, y
I x I y
IxI y
2
I y
M
12/30/21
Thị giác máy tính
18
DIỄN GIẢI MA TRẬN THỜI ĐIỂM THỨ HAI
Bề mặt E (u, v) được xấp xỉ bởi một dạng bậc hai.
u
E (u , v) ≈ [u v] M
v
I x2
M = ∑ w( x, y )
x, y
I x I y
12/30/21
IxIy
2
I y
Thị giác máy tính
19
DIỄN GIẢI MA TRẬN THỜI ĐIỂM THỨ HAI
Đầu tiên, hãy xem xét trường hợp được căn chỉnh theo trục (độ chênh lệch là ngang hoặc
dọc)
I x2
M = ∑ w( x, y )
x, y
I x I y
I x I y λ1 0
=
2
I y 0 λ2
Nếu một trong hai λ gần bằng 0, thì đây khơng phải là một góc, vì vậy hãy tìm những vị trí mà cả hai đều
lớn hơn 0.
12/30/21
Thị giác máy tính
20
DIỄN GIẢI MA TRẬN THỜI ĐIỂM THỨ HAI
u
[u v] M = const
v
Hãy xem xét một "phần" nằm ngang của E(u, v):
Đây là phương trình của một hình elip.
12/30/21
Thị giác máy tính
21
DIỄN GIẢI MA TRẬN THỜI ĐIỂM THỨ HAI
Đường chéo của M:
λ1 0
M =R
R
0 λ2
−1
Chiều dài trục của hình elip được xác định bởi các giá trị riêng và hướng được xác định bởi R
hướng thay đổi nhanh nhất
hướng thay đổi chậm nhất
12/30/21
Thị giác máy tính
22
TRỰC QUAN HOÁ MA TRẬN THỜI ĐIỂM THỨ HAI
12/30/21
Thị giác máy tính
23
TRỰC QUAN HOÁ MA TRẬN THỜI ĐIỂM THỨ HAI
12/30/21
Thị giác máy tính
24
DIỄN GIẢI CÁC GIÁ TRỊ ĐẶC TRƯNG
Phân loại các điểm ảnh bằng cách sử dụng các giá trị riêng của M:
λ2
“cạnh”
λ2 >> λ1
“góc”
λ1 và λ2 lớn,
λ1 ~ λ2;
E tăng theo mọi hướng
λ1 và λ2 nhỏ; E gần như không
đổi theo mọi hướng.
“ mặt phẳng”
“cạnh”
λ1 >> λ2
λ1
12/30/21
Thị giác máy tính
25