💡 논문 작성하며 공부했던 내용을 정리해 보았다!
SURF 알고리즘
SURF 알고리즘이란?
Speeded-Up Robust Features 알고리즘
특징점을 통하여 동일한 장면이나 물체를 찾는 알고리즘입니다.
기존 SIFT 알고리즘의 이미지 사이즈 변경시키며 특징점을 찾는 방식에서 박스 필터의 사이즈를 변경시키며 찾음으로써 시간을 단축시켜 더 빠른 성능의 알고리즘입니다.
SURF 알고리즘의 방식
1. SIFT vs SURF
SURF에서는 Gaussian filter 형태의 단순화한 Box filter를 사용하여 필터의 스케일을 키우면서 극점을 찾는다. 그래서 이미지 크기를 직접 줄이며 찾는 SIFT보다 필터의 사이즈를 늘리며 찾는 SURF가 3배 더 빠른 속도가 나온다.
2. Hessian Matrix
가우시안 필터를 대체한 Box filter에서 Hessian Determinant 추출한다.
(0.9를 곱하는 이유는 Box filter가 9x9, σ=1.2인 가우시안 2차 미분 함수에 대한 근사이기 때문이다.)
3. 특징점 추출
- X 지점의 Hessian Determinant가 Threshold 보다 큰지 판별
- 크다면 인접 8개의 픽셀보다 큰지 판별
- 상하 박스 필터 사이즈의 3x3 범위와 비교하여 가장 클 경우 특징점으로 검출
4. 방향 할당 (Orientation Assignment)
반지름 6 scale 원 안에서 x및 y 방향으로 Haar-wavelet 응답(responses)의 합을 계산한 다음, 가장 큰 합을 가진 방향을 찾을 때까지 스캔 방향을 변경하고(+π/3, 60°) 다시 계산한다.
이 방향이 특징점의 주 방향 성분[fig.5 right]
5. 기술자 구성 요소 (Descriptor Components)
- 특징점을 중심으로 이전 과정을 통해 얻은 방향을 따라 20 Scale 크기의 정사각형 영역을 구성한다.
- 해당 영역은 균등하게 4x4 하위 영역으로 분할, 각 하위 영역에 대해 일정한 간격의 5x5 샘플 포인트에서 dx, dy 계산, 각 하위 영역은 각각의 기본 강도 구조인 V = (∑dx, ∑dy, ∑|dx|, ∑|dy|) 4x4x4 = 64 길이의 Descriptor 벡터 생성한다.
SURF 알고리즘의 특징
- 물체의 기울기, 크기, 방향, 밝기 등의 차이에 영향이 적다.
- 특이점을 찾고 그 특이점의 크기와 방향을 비교하다 보니 위의 변화에 비교적 적은 영향을 받는다.
- 이미지의 크기가 다르더라도 매칭이 가능하다.
- 박스 필터를 사용하여 특이점을 찾고 그 특이점을 통하여 매칭을 시도하다 보니 이미지의 크기가 달라도 문제가 되지 않는다.
참조
- Bay, H., Tuytelaars, T., Van Gool, L. (2006). SURF: Speeded Up Robust Features. In: Leonardis, A., Bischof, H., Pinz, A. (eds) Computer Vision – ECCV 2006. ECCV 2006. Lecture Notes in Computer Science, vol 3951. Springer, Berlin, Heidelberg. DOI: https://doi.org/10.1007/11744023_3
- Y. Do, Y. Jeong. “Hardware Design of SURF-based Feature extraction and description
for Object Tracking” Journal of The Institute of Electronics Engineers of Korea, vol. 50, 5. DOI: https://doi.org/10.5573/ieek.2013.50.5.083
(ง ᐖ)ว