정보과학회 논문지 (Journal of KIISE)

  • 제42권1호
  • /
  • Pages.93-96
  • /
  • 2015
  • /
  • 2383-630X(pISSN)
  • /
  • 2383-6296(eISSN)
한국정보과학회 (Korean Institute of Information Scientists and Engineers)
권호 표지
DOI QR코드

DOI QR Code

스케일 공간 고차 미분의 정규화를 통한 특징점 검출 기법

Keypoint Detection Using Normalized Higher-Order Scale Space Derivatives

  • 박종승 (서강대학교 컴퓨터공학과) ;
  • 박운상 (서강대학교 컴퓨터공학과)
  • 투고 : 2014.10.24
  • 심사 : 2014.11.20
  • 발행 : 2015.01.15
⟨ 이전 논문 다음 논문 ⟩

초록

이미지 검색 및 매칭에 사용되는 SIFT 기법은 다양한 이미지 변화 요인들에 대하여 강인한 특성을 가지고 있는 것으로 알려져 있다. SIFT 기법은 기존의 픽셀 단위의 변화량에 의존한 특징점 추출 방식을 확장하여 스케일 공간에서의 변화량 분석을 통한 특징점 추출 방식을 제시하였으며, 이렇게 추출된 특징점들의 강인함은 그 동안 여러 실험을 통하여 입증되었다. 또한, 최근에는 스케일 공간 변화량 분석에 있어서 기존의 SIFT 기법을 확장하여 고차 미분 계수를 이용한 특징점 추출 방법도 소개되었다. 본 논문에서는 이러한 스케일 공간의 고차 미분에서의 정규화를 통한 보다 강인한 특징점 추출 기법을 소개하고 이러한 특징점들의 강인함을 이미지 검색 실험을 통하여 입증한다.

The SIFT method is well-known for robustness against various image transformations, and is widely used for image retrieval and matching. The SIFT method extracts keypoints using scale space analysis, which is different from conventional keypoint detection methods that depend only on the image space. The SIFT method has also been extended to use higher-order scale space derivatives for increasing the number of keypoints detected. Such detection of additional keypoints detected was shown to provide performance gain in image retrieval experiments. Herein, a sigma based normalization method for keypoint detection is introduced using higher-order scale space derivatives.

키워드

과제정보

연구 과제 주관 기관 : 한국연구재단

참고문헌

  1. S. Prabhakar, S. Pankanti, and A. K. Jain, "Biometric recognition: security and privacy concerns," IEEE Security & Privacy, Vol. 1, No. 2, pp. 33-42, Mar. 2003.
  2. D. G. Lowe, "Distinctive image features from scaleinvariant keypoints," International Journal of Computer Vision, Vol. 60, No. 2, pp. 91-110, Nov. 2004. https://doi.org/10.1023/B:VISI.0000029664.99615.94
  3. H. Bay, T. Tuytelaars, L. Van Gool, "Speeded-up robust features," Proc. of European Conference of Compuver Vision, pp. 404-417, 2006.
  4. E. Rublee, V. Rabaud, K. Konolige, G. Bradski, "Orb: An efficient alternative to sift or surf," Proc. of International Conference on Computer Vision, pp. 2564-2571, 2011.
  5. M. Grabner, H. Grabner, H. Bischof, "Fast approximated sift," Proc. of the Asian Conference on Computer Vision, pp. 918-927, 2006.
  6. U. Park, J. Park, and A. K. Jain, "Robust Keypoint Detection Using Higher-Order Scale Space Derivatives: Application to Image Retrieval," IEEE Signal Processing Letters, Vol. 21, No. 8, pp. 962-965, Aug. 2014. https://doi.org/10.1109/LSP.2014.2321755
  7. J. E. Lee, R. Jin, A. K. Jain, "Unsupervised ensemble ranking: Application to large-scale image retrieval," Proc. of International Conference on Pattern Recognition, pp. 3902-3906, 2010.