CV Reading BRISK:Binary Robust Invariant Scalable Keypoints

1. CV ReadingBRISK:Binary Robust Invariant Scalable Keypoints 縣禎輝 2011/12/13

2. はじめに • BRISK • BRIEFへスケール不変性，回転不変性の導入 • キーポイント検出 • ピラミッド画像からFASTによる特徴点検出 • 特徴記述 • BRIEFの考えにオリエンテーション推定とサンプリングパターン変更

3. キーポイント検出，特徴記述の変遷

4. BRISK:Binary Robust Invariant Scalable Keypoints[S. Leutenegger,ICCV’11] • キーポイント検出 • FASTへスケール不変性を導入 • 特徴記述 • 同心円上のサンプリングパターンからランダムな2画素を選択 • 選択された画素の輝度の大小によるバイナリコード

5. キーポイント検出 • FASTへスケール不変性を導入 • ピラミッド画像からFASTを適応し，レスポンス値よりスケールの算出

6. FASTによるコーナー検出 • 注目画素pの周辺の円周上の16画素を観測 例 : n = 12 pがコーナーである条件 p の輝度値と比較して円周上の輝度値が連続してn個以上が しきい値t以上明るい，もしくは暗い (図中の破線)

7. 決定を用いたFASTによるコーナー検出 • 学習画像の画素を特徴ベクトル化 • 注目画素p周囲の円周上の輝度値を3値化 注目画素pの輝度値 円周上の輝度値 しきい値

8. 決定を用いたFASTによるコーナー検出 • 決定木の構築 • 特徴ベクトルによる3分木の学習 学習画像 分岐ノード 特徴ベクトルによる分岐 末端ノード 最も到達したクラスを保存

9. 決定木によるコーナー検出 • 画像の各画素を入力してコーナー判定 • リーフノードに保存されたクラスに分類 n= 9 のとき，平均して2.16画素の検証でコーナー検出が可能

10. キーポイント検出：FASTへスケール不変性導入キーポイント検出：FASTへスケール不変性導入 • 入力画像からピラミッド画像生成 • FASTを適応 • 各特徴点よりレスポンス値Vの算出 • レスポンス値の最大値をスケールとする

11. スケール検出例

12. 特徴記述の流れ • 特徴点を中心に４つの同心円上に，等間隔にサンプリング(60箇所) • 中心からの距離に比例するガウスフィルタによりスムージング • サンプリングパターンからランダムに2画素を選択 • オリエンテーションの算出 • 輝度差によるバイナリコード化

13. BRIEF • アルゴリズム • パッチをガウシアンフィルタにより平滑化 • パッチ内のランダムに選択された２点の画素値の比較からバイナリ列を生成 • 2点のバイナリ列のハミング距離によりマッチング キーポイント パッチ

14. BRIEF • バイナリテスト キーポイント パッチ

15. BRIEFの2画素の選択条件 • x, y : 一様分布 • x, y : ガウシアン分布 • x : ガウシアン分布, y : ガウシアン分布（xiが中心） • x, y : 同心円状のグリッドからランダムに選択 • x : 中心点 y : 同心円状のグリッドからバイナリテストの数だけ選択 GⅤ GⅠ GⅣ GⅡ GⅢ

16. オリエンテーションの算出 及びバイナリコード化 • 距離が離れたパッチ間の平均勾配をオリエンテーションとする • 勾配算出 • 集合 Lのみから平均勾配算出 • オリエンテーション方向に回転させた後，輝度差によりバイナリコード化 バイナリコード数:512ビット g :勾配 S: L: I:輝度値 α: オリエンテーション :選択された2画素 :ガウスフィルタの分散

17. マッチング方法 • 特徴点間のバイナリコードからハミング距離を算出 • ハミング距離のしきい値判定によりマッチング

18. 実験概要 • 使用するデータセット：Mikolajczyk dataset • 比較手法：SIFT，SURF

19. 再現率

20. 精度比較

21. 処理速度 • 特徴点検出の処理時間 • マッチングの処理時間

22. マッチング結果

23. おわりに • BRISK • BRIEFへスケール不変性，回転不変性の導入 • キーポイント検出 • ピラミッド画像からFASTによる特徴点検出 • 特徴記述 • BRIEFの考えにオリエンテーション推定とサンプリングパターン変更