More Features

 

* 이 포스트는 컴퓨터 비젼에 대한 개인 학습용으로 작성한 포스트입니다.

 

 

Hough Transform

직선을 탐지하기위해, x-y space를 기울기-절편 space, 즉 m-b space로 변환하는 것. 그러면 xy 평면상의 한점은 mb평면상에서 vote하는 것이 된다.

Image space에서의 선은 점으로 mapping, 점은 선으로 mapping된다.

 

 

 

 

 

하지만 수직선의 경우 m이 무한대가 되기 때문에 Hough space가 무한으로 커지게 된다. 이를 보완하기 위해 Hough space가 아닌 Parameter space로 transform한다.

 

 

 

 

Parameter space 역시, 하나의 점은 Image space에서 직선을 의미한다.

 

 

 

Generalized Hough Transform

Hough transform을 generalize하여 여러 parameter를 찾는 문제로 변화시킬 수 있다. 예를 들어, curve를 detection하는 문제는 $C_x, C_y, R$ 3개의 parameter를 추정하는 문제로 바꿀 수 있다.

 

 

 

 

 

이런 방식으로 일반화가 가능한데,

fragment의 gradient orientation $\phi_i$를 index로 하여 coordinate를 기록하고 voting하는 방법으로 일반화된다.

 

 

 

 

Harris Corner Detector

Corner는 여러가지 variation에 강한 매우 중요한 feature이다. Corner는 patch를 x,y축방향으로 이동했을 때 변화량이 큰 점으로 정의할 수 있다.

 

 

Hessian matrix를 구한다음, determinant의 최대가 되는 지점을 찾음으로써 corner를 구할 수 있다.

 

 

 

추가로, Local autocorrelation matrix를 계산할 수 있는데, 이는 한 픽셀에 해당되는 변화값을 의미한다.

 

 

이를 윈도우 내에 모든 pixel에 대해 auto correlation M을 구할 수 있다.

 

 

 

 

2개의 큰 egien value를 가지면 corner point

1개의 큰 egien value를 가지면 contour (line)

큰 eigen value가 없으면 flat region이다.

 

 

Corner Response Function

Autocorrelation M의 스칼라 값 R을 통해 cornerness를 알 수 있다. (k는 보통 0.04)

 

 

 

Harris Detector의 문제점

: Image scale에 따라 많이 달라진다. 아래 그림에서 scale이 크면 corner가 아닌 것으로, scale이 작으면 corner로 인식하게 된다.