Titelaufnahme

Titel
Evaluierung und Visualisierung von Interest-Point-Detektoren / von Patrizia Eisele
VerfasserEisele, Patrizia
Begutachter / BegutachterinEidenberger, Horst
Erschienen2011
UmfangIV, 79 Bl. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2011
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Interest-Points / Lokale Features / Visualisierung
Schlagwörter (EN)Interest-Points / local features / visualization
URNurn:nbn:at:at-ubtuw:1-51393 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Evaluierung und Visualisierung von Interest-Point-Detektoren [15.86 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

In dieser Arbeit wird ein Überblick über die wichtigsten Methoden zur Identifizierung von Interest-Points gegeben. Häufig eingesetzte Konzepte werden im Detail erklärt. Des Weiteren wird ein Framework entwickelt, welches gängige Interest-Point-Detektoren integriert und einen visuellen Vergleich der Ergebnisse dieser Detektoren ermöglicht. Eine dafür geeignete Auswahl an Bildern mit sehr einfachen Strukturen wird für den Vergleich zur Verfügung gestellt.

Für eine Vielzahl von Anwendungen im Bereich der Computer Vision die auf der computergestützten Verarbeitung von Bilddaten basieren, wie beispielsweise Objektverfolgung, Objekterkennung oder 3D-Rekonstruktion, ist es nötig, in einem ersten Schritt interessante Strukturen in Bildern zu identifizieren. Mit Hilfe der interessanten Strukturen soll die Durchführung eines robusten Bildabgleichs ermöglicht werden. Diese interessanten Strukturen werden als lokale Features bezeichnet und entsprechen für gewöhnlich Eckpunkten oder blob-ähnlichen Strukturen in Bildern.

Die Position von lokalen Features in Bildern wird durch sogenannte Interest-Points oder auch Interest-Regions beschrieben. Verfahren zur Identifikation lokaler Features werden als Interest-Point-Detektoren bezeichnet. Methoden, die auf der Verwendung von Interest-Points basieren, haben sich als besonders geeignet zur Durchführung eines robusten Bildabgleichs erwiesen. Aus diesem Grund werden solche Methoden am häufigsten in modernen Computer Vision-Systemen eingesetzt.

Verfahren, die auf Interest-Points basieren, verwenden lokale Bildinformation zur Detektion relevanter Features. Im Gegensatz zu vielen anderen Ansätzen sind sie in der Lage, gute Resultate beim Bildabgleich zu erzielen, auch wenn die Objekte in Bildern teilweise verdeckt sind. Zudem sind Features, die auf Interest-Points lokalisiert sind, robust gegenüber unterschiedlichen geometrischen und photometrischen Bildtransformationen und realisieren eine kompakte Repräsentation des Bildinhalts. Erste Interest-Point-Detektoren wurden bereits Ende der Siebziger entwickelt. Auch heute noch ist die Identifikation interessanter Punkte ein belebtes Forschungsgebiet. Heute existiert eine große Anzahl verschiedener Verfahren zur Detektion von Interest-Points. Um den passenden Detektor für eine bestimmte Aufgabenstellung zu finden, ist es daher notwendig, sich mit den grundlegenden Konzepten und Methoden zur Interest-Point-Detektion zu befassen.

Zusammenfassung (Englisch)

In this work an overview of the most important methods for interest-point-detection is provided. Common concepts are explained in detail. Furthermore, a framework is implemented which integrates common interest-point-detectors and facilitates a visual comparison of the results of the different techniques. A set of images composed of simple structures is allocated for the comparison.

Many applications in the field of computer vision which rely on computer-aided processing of image data, for example tracking, object recognition and 3D-reconstruction depend on the detection of interesting structures in images prior to further processing steps to allow for robust image matching. These structures usually correspond to so-called blobs or corners and are referred to as local features. The position of local features in images is determined by so-called interest-points or interest-regions. Techniques to identify local features in images are called interest-point-detectors. Methods based on interest-point-detection have proven to be especially well-suited for robust image matching and are therefore most commonly used in current computer vision systems. In contrast to other approaches, methods based on interest-points use local image information for the detection of the aforementioned features. Thus, they produce good results even when objects in images are partially occluded. Furthermore, local features determined by interest-point-detectors are robust to various geometric and photometric image transformations and yield a compact representation of image content.

Research on methods for the detection of robust interest-points has been done since the late seventies. Accordingly there is a great number of different interest-point-detectors nowadays. In order to be able to choose the appropriate interest-point-detector for a specific task it is vital to familiarize oneself with the basic concepts and methods of interest-point-detection.