Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
http://www.disam.upm.es/vision 1
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
Detección de Esquinas y Vértices
José María Sebastián
Departamento de Automática, Ingeniería Electrónicae Informática Industrial
Universidad Politécnica de Madrid
http://www.disam.upm.es/vision 2
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 3
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Detección de características (“features”)
p Bordesp Esquinasp Vértices
p Tipos de esquinas presentes en la imagen
p Geométricasp Texturadasp Proyección de un vértice
Introducción
http://www.disam.upm.es/vision 4
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Características de cualquier detector de esquinas yvértices
p Todas las esquinas y vértices sedeben de detectar
p No se deben de detectar falsasesquinas o vértices
p Debe de ser robusto frente al ruidop La localización debe de ser precisap La detección debe de ser eficiente
p Los algoritmos presentan excesivas dependenciasde las características de las imágenes
Introducción
http://www.disam.upm.es/vision 5
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Imágenes de partidap Binivel (etiquetadas como borde)p Multinivel
p Características a detectarp Sólo esquinasp Sólo vérticesp Indistintamente vértices y esquinas
p Definición de las esquinasp Con modelo (ángulo, amplitud, suavizado)p Sin modelo
Introducción
http://www.disam.upm.es/vision 6
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Enfoques distintos en la detección de esquinas y vértices
p Se pretende detectar si existenp Hay que localizarlos con precisión (subpixel)
p Los detectores de esquinas y vértices son más sensibles aldifuminado de la imagen que los de bordes
p Especialmente en la localización con precisiónp Motivos del difuminado
p Desenfoque, deficiente iluminación
p Función de extensión puntual (PSF), deficiencias de lossensores, ...
p Tratamiento de suavizado: reducción de ruido, ...
Introducción
http://www.disam.upm.es/vision 7
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Formas de evaluar la precisión en la detección
p Mediante estudios estadísticos: no tiene en cuentalos errores sistematicos
p Formas alternativasp Mediante posicionado exigentep Con puntos alineados
p Invariante ante la transformación de perspectivap Modelo de cámara sin distorsión
p Comparación entre puntos 3D y 2Dp Cumplimiento de la geometría epipolarp Razón doble (“cross-ratio”) de cuatro puntos alineados
p Invariante ante la transformación de perspectivap Modelo de cámara sin distorsión
Introducción
http://www.disam.upm.es/vision 8
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
pÁreas de interés de la detección de esquinas yvértices
p Aplicaciones 2D:p Medidap Reconocimiento
p Aplicaciones 3D:p Calibración Euclídea y Proyectivap Correspondenciap Reconstrucción 3Dp Flujo Ópticop Reconocimiento
Introducción
http://www.disam.upm.es/vision 9
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
pMuchos detectores de bordes sebasan en operadores derivadas
Intensidad
Píxel
Píxel
Primeraderivada
Píxel
Segundaderivada
Introducción
Imagen lineal
pFormas de detección:
p Umbralización de laprimera derivada
p Centro de gravedad de laprimera derivada
p Máximo de la primeraderivada
p Paso por cero de lasegunda derivada
http://www.disam.upm.es/vision 10
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
Intensidad
Píxel
Píxel
Primeraderivada
Píxel
Segundaderivada
Introducción
Imagen lineal
p Robustez ante el ruido
p Mejor comportamiento delos operadores basados enla primera derivada
p Imágenes bidimensionales
p Particularidades que seanalizarán en la presentación
http://www.disam.upm.es/vision 11
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Introducción
Imagen en niveles de gris Superficie 3D de la imagen,girado el punto de vista
Posición del borde
http://www.disam.upm.es/vision 12
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 13
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
i
-k
j
G(x,y)
S(x,y)
g(x,y)
( ) ( ) ( )kyxfjyixyxSyxf ,,, ++=⇒
Superficie asociada a una imagen
( )
,kfi
xyxS
S xx +=∂
∂=
Plano tangente
( )
,kfj
yyxS
S yy +=∂
∂=
Definiciones
http://www.disam.upm.es/vision 14
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
i
-k
j
G(x,y)
S(x,y)
g(x,y)
( ) ( ) ( )kyxfjyixyxSyxf ,,, ++=⇒
Superficie asociada a una imagen
( )
[ ]Tyx
yx
xy
ff
kjfif
SSyxG
1
,
−=
=−+=
=∧=
Normal al plano tangente
en el punto (x,y)
Definiciones
http://www.disam.upm.es/vision 15
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
i
-k
j
G(x,y)
S(x,y)
g(x,y)
( ) ( ) ( )kyxfjyixyxSyxf ,,, ++=⇒
Superficie asociada a una imagen
( )[ ]Tyx
yx
fff
jfifyxg
=∇=
=+=,
Gradiente de la imagen:
proyección sobre X-Y
Definiciones
http://www.disam.upm.es/vision 16
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
pPrimera derivada en una dirección
Definiciones
θθθθθ 21 ufufuguffD yx
TT +=⋅=⋅∇=
θ
pPrimera derivada en la dirección del gradiente
22yx
TT
g ffgggffD +=⋅=⋅∇=
=⋅⋅=
yyxy
xyxxff ff
ffHuHufD con
T2θθθ
pSegunda derivada en una dirección θ
http://www.disam.upm.es/vision 17
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
pSegunda derivada en la dirección del gradiente
Definiciones
[ ]22
2
2 yyyyxxyxxx
y
x
yyxy
xyxxyxf
T
g
fffffff
f
f
ff
ffffgHgfD
++=
=
=⋅⋅=
pSegunda derivada en la dirección perpendicular al gradiente
[ ]Txy ffg −=⊥
[ ] 22
2
2 xyyyxxyyxxx
y
yyxy
xyxxxy
f
T
g
ffffffff
f
ff
ffff
gHgfD
+−=
−
−=
=⋅⋅= ⊥⊥⊥
http://www.disam.upm.es/vision 18
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
pLa suma de ambas segundas derivadas es:
Definiciones
( )( )2222
2222
2
2
yxyyxxxyyyxxyyxx
yyyyxxyxxxgg
fffffffffff
ffffffffDfD
++=+−+
+++=+⊥
pLaplaciana de una función: yyxx fff +=∇2
22
22
2
yx
ggyyxx
ff
fDfDfff
+
+=+=∇ ⊥pSe cumple:
http://www.disam.upm.es/vision 19
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 20
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
i
-k
j
G(x,y)
S(x,y)
g(x,y)
( ) ( )kyxfjyixyxS ,, ++=Superficie asociada a una imagen
kfiS xx +=Plano tangente
kfjS yy +=
Curvatura de una Superficie
La distancia infinitesimal ds•ds entredos puntos (x,y) y (x+dx,y+dy) dela superficie medida en el planotangente en dicho punto es:
[ ]
=⋅
dy
dx
DF
FEdydxdsdsT
yy
yxxx
SSD
SSFSSE
=
== ;
http://www.disam.upm.es/vision 21
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
kfiS xx +=Plano tangente kfjS yy +=
Curvatura de una Superficie
La distancia infinitesimal [ ]
=⋅
dy
dx
DF
FEdydxdsdsT
yyyxxx SSDSSFSSE === ;;
Primera Fórmula Fundamental de la superficie S(x,y)22
1 2 dyDdxdyFdxE ++=φ
2
2
1
;1
yyy
yxyxxxx
fSSD
ffSSFfSSE
+==
==+==Para la imagen
( ) ( ) 22221 121 dyfdxdyffdxf yyxx ++++=φ
http://www.disam.upm.es/vision 22
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
•Información de la curva-tura: la componente en laaproximación de segundoorden (un plano perpen-dicular al plano tangente)
i
-k
j
G(x,y)
S(x,y)
Planotangente
•Cada plano origina unacurva, con una determinadacurvatura
•Se genera un haz de plano,con infinitas curvaturas
http://www.disam.upm.es/vision 23
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una SuperficieInformación de la curvatura: la componente en la aproximación desegundo orden (un plano perpendicular al plano tangente)
[ ]
=⋅
dy
dx
NM
MLdydxGddsT ˆ
GG
G =ˆcon
yyxyxx SGNSGMSGL ˆ;ˆ;ˆ −=−=−=
221ˆ
yx
yx
ff
kjfif
GG
G++
−+==Para la imagen
;; kfSkfSkfS yyyyxyxyxxxx ===
222222 1;
1;
1 yx
yy
yx
xy
yx
xx
ff
fN
ff
fM
ff
fL
++=
++=
++=
http://www.disam.upm.es/vision 24
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una SuperficieInformación de la curvatura: la componente en la aproximación desegundo orden (un plano perpendicular al plano tangente)
[ ]
=⋅
dy
dx
NM
MLdydxGddsT ˆ
Segunda Fórmula Fundamental de la superficie S(x,y)22
2 2 dyNdxdyMdxL ++=φCada plano perpendicular al plano tangente tiene asociada una curva(intersección con la superficie) con una curvatura
( )dydxdyDdxdyFdxE
dyNdxdyMdxLk , de pues Depende
2
222
22
++++
=
http://www.disam.upm.es/vision 25
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Imagen inicial Imagen filtrada
Superficie 3D de laimagen, girado el
punto de vista
http://www.disam.upm.es/vision 26
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
22
22
22
dyDdxdyFdxEdyNdxdyMdxL
k++++
=
( ) ( ) 0;0 =∂∂
=∂∂
dy
k
dx
kLos valores máximosy mínimos cumplirán
022 =+− KkHkSe obtiene
minmax2
2
la es kkFED
MLNKGaussianaCurvaturaK =
−−
=
( ) 22
2 la es minmax
2
kk
FED
FMDLENHMediaCurvaturaH
+=
−−+
=
KHHkKHHk −+=−−= 2max
2min ;
CurvaturasPrincipales
http://www.disam.upm.es/vision 27
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
22
22
22
dyDdxdyFdxEdyNdxdyMdxL
k++++
=
minmax la es kkKGaussianaCurvaturaK =
2 la es minmax kk
HMediaCurvaturaH+
=
KHHkKHHk −+=−−= 2max
2min ;
CurvaturasPrincipales
DireccionesPrincipales
( ) ( ) 0=+−++− dykFMdxkEL
( ) ( ) 0=+−++− dykDNdxkFM
http://www.disam.upm.es/vision 28
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Para la superficie Imagen
( )222
2
2
2
minmax1
yx
xyyyxx
ff
fff
FEDMLN
kkK++
−=
−−
==
( ) ( )( ) 2
322
22
minmax
1
211
2yx
xyyxxxyyyx
ff
fffffffkkH
++
−+++=
+=
parabólico puntoun es pixel El0 Si
ohiperbólic puntoun es pixel El0 Si
elíptico puntoun es pixel El0 Si
minmax
minmax
minmax
⇔=⇔<⇔>
kk
kk
kk
http://www.disam.upm.es/vision 29
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Imagen inicial Imagen filtrada
Superficie 3D de laimagen, girado el
punto de vista
http://www.disam.upm.es/vision 30
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Imagen inicial Imagen filtrada
Superficie 3D de laimagen, girado el
punto de vista
http://www.disam.upm.es/vision 31
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Imagen inicial Imagen filtrada
Superficie 3D de laimagen, girado el
punto de vista
http://www.disam.upm.es/vision 32
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Imagen inicial Imagen filtrada
Superficie 3D de laimagen, girado el
punto de vista
http://www.disam.upm.es/vision 33
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Curvatura de una Superficie
Punto Elíptico
Punto Parabólico
Punto Hiperbólico
http://www.disam.upm.es/vision 34
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 35
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
RLaplaciana y segunda derivada en la dirección del gradiente
p Laplaciana
p Los bordes se detectan en el paso por cerop Es isotrópico y linealp No define ninguna dirección sobre la imagen
yyxx fff +=∇2 222 2 yyyyxxyxxxg ffffffffD ++=
p Segunda derivada en la dirección del gradiente
p Los bordes se detectan en el paso por cero, queequivale al máximo local del gradiente en ladirección del gradiente (SNM)
p Define una dirección sobre la imagen
http://www.disam.upm.es/vision 36
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
RLaplaciana y segunda derivada en la dirección del gradiente
yyxx fff +=∇2 222 2 yyyyxxyxxxg ffffffffD ++=
( ) ( )( ) 2
322
22
1
211 Media Curvatura
yx
xyyxxxyyyx
ff
fffffffH
++
−+++=
( ) ( ) fDfffHff gyxyx22222
322 112
:obtiene Se
−∇++=++
Ø Si la curvatura media es pequeña, los ceros deambas funciones coinciden
http://www.disam.upm.es/vision 37
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
RLaplaciana y segunda derivada en la dirección del gradiente
http://www.disam.upm.es/vision 38
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
RLaplaciana y segunda derivada en la dirección del gradiente
p Los puntos del borde (salvo las esquinas) tienen una
curvatura media muy pequeña, por lo que los ceros
de ambas funciones casi coinciden
p La segunda derivada en la dirección del gradiente
define una dirección por lo que facilita su detección
con precisión subpixel
http://www.disam.upm.es/vision 39
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
RLaplaciana y segunda derivada en la dirección del gradiente
p Comportamiento en las esquinas
Laplaciana Segunda derivada
p La laplaciana se anula en la esquina
p En la dirección del gradiente, la distancia depende
del ángulo y del difuminado
http://www.disam.upm.es/vision 40
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 41
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en la curvatura
( )222
2
minmax1
yx
xyyyxx
ff
fffkkK
++
−==
pBeaudet (1978)
p Propone un operador (invariante ante rotación)denominado DET=fxxfyy-fxy
2
p La detección de esquinas se realiza por umbra-lización de los valores extremos de éste operador
p Se corresponde con el determinante de la matrizHessiana
p Está relacionado con la Curvatura Gaussiana
http://www.disam.upm.es/vision 42
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en la curvatura
Puntos extremos de DET
Posición real de la esquina
http://www.disam.upm.es/vision 43
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en la curvatura
( )222
2
minmax1
yx
xyyyxx
ff
fffkkK
++
−==
p Dreschler y Nagel (1982)
p Calcula la Curvatura Gaussianap Selecciona los extremos de la Curvaturap Corresponde puntos Elíptico e Hiperbólico
cercanos. Las direcciones deben de ser dedistinto signo y deben de estar alineadas
p Selecciona el punto intermedio que poseecurvatura nula
http://www.disam.upm.es/vision 44
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en la curvatura
p Dreschler y Nagel (1982).
p Inconvenientes:p La distribución de los puntos elíptico, hiperbólico
y parabólico depende del ángulo de la esquina ydel difuminadop Al menos está en la bisectriz del ángulo
http://www.disam.upm.es/vision 45
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en la curvatura
p Dreschler y Nagel (1982).
p Inconvenientes:p La distribución de los puntos elíptico, hiperbólico
y parabólico depende del ángulo de la esquina ydel difuminadop Al menos está en la bisectriz del ángulo
p Ángulo de la esquinap Depende de la realidad y del punto de vista
p Difuminadop Depende del enfoque, del PSF, del tratamiento
p Las segundas derivadas son muy sensibles alruido. Su filtrado difumina la imagen
http://www.disam.upm.es/vision 46
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 47
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el gradiente
p Kitchen y Rosenfeld (1982).
p Cambio de la dirección del gradiente a lo largo delborde, multiplicado por la magnitud del gradiente
22
22 2
yx
xyyyxxyyxx
ff
fffffffK
+
+−=
222 2 xyyyxxyyxxf
T
g fffffffgHgfD +−=⋅⋅= ⊥⊥⊥
p Para los puntos que son máximos en la direccióndel gradiente, determina los máximos locales de laanterior expresión.
p Segunda derivada en la dirección perpendicular al gradiente
http://www.disam.upm.es/vision 48
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el gradiente
Cambios en la direc-ción del gradiente
http://www.disam.upm.es/vision 49
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el gradiente
p Kitchen y Rosenfeld (1982). Inconvenientes
p La dirección del gradiente en la cercanía de laesquina presenta una discontinuidad, por lo quepueda estar mal definida.
p Los ceros de la segunda derivada en la direccióndel gradiente no localizan exactamente al borde
p Las segundas derivadas son muy sensibles alruido. Su filtrado difumina la imagen
http://www.disam.upm.es/vision 50
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el gradiente
p Intel. Precisión Subpixel
q
pi
∇f pi
( )
vecindadde dominio
el todoa extendido
minimizar pretende Se
iT
pi pqfi
−∇=ε
0=
∇∇−
∇∇ ∑∑ i
i
Tpp
i
Tpp pffqff
iiii
bAq 1−=
http://www.disam.upm.es/vision 51
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 52
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en “puntos de interés”
p Punto de interés: Punto con una variación de
intensidad en cualquier dirección
p Las esquinas son los máximos locales del mínimocambio de intensidad
p Harris y Stephens (1988). Matriz de autocorrelación
estimada por la derivadas de primer orden
=
∑∑∑∑
2
2
yyx
yxx
fff
fffA
http://www.disam.upm.es/vision 53
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en “puntos de interés”
p Matriz de autocorrelación estimada por la derivadas
de primer orden
=
∑∑∑∑
2
2
yyx
yxx
fff
fffA
p Los vectores propios de la matriz A son las
direcciones de máximo y mínimo cambio
p Posibilidades según los valores propios
p Ambos pequeños: Punto uniforme
p Uno grande y otro pequeño: Punto borde
p Ambos grandes: Punto esquina
http://www.disam.upm.es/vision 54
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en “puntos de interés”
p Förstner (1986).
p Máximo local del Det(A)/Traza(A)
=
∑∑∑∑
2
2
yyx
yxx
fff
fffA
p Harris (1988)
p Máximo local de: ( ) ( )[ ]204.0 ATrazaADet −
http://www.disam.upm.es/vision 55
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en “puntos de interés”
Con Matriz de Autocorrelación
p Ventajas:
p Muy robusto ante el ruido
p Inconvenientes
p No localiza exactamente la esquina
p Relativamente lento
http://www.disam.upm.es/vision 56
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en “puntos de interés”
p SUSAN, Smith y Brady (1994)
p Determina para cada punto un circulo (“nucleus”)
p Determina para cada punto la región con intensidadsimilar dentro del “nucleus” (USAN-“Univalue SegmentAssimilating Nucleus”)
p Determina la existencia de una esquina en función delárea y del centro de gravedad del USAN
p Ventajas: Preciso y rápido
p Inconvenientes: Poco robusto
http://www.disam.upm.es/vision 57
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 58
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos con modelo predefinido
p Zuñiga y Haralick (1983).
p Modela la imagen de gris con una superficiebicúbica
( )3
102
92
83
7
265
24321,
ykxykyxkxk
ykxykxkykxkkyxf
++++
++++++=
p La existencia de la esquina se detecta mediante
( )( ) 2
32
32
2
42
353262
22kk
kkkkkkkk
+
+−−=
p Un umbral determina la existencia de la esquina
http://www.disam.upm.es/vision 59
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos con modelo predefinido
p Deriche y Giraudon (1993).
p Blaszka y Deriche (1994).
p Las esquinas se modelan como productos de
escalones convolucionados con filtros
Gaussianos
p Permite modelar esquinas y vértices
p Se minimiza mediante el algoritmo de
Levenberg-Marquardt
http://www.disam.upm.es/vision 60
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 61
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el “Scale-Space”
p Espacio de escala ( )( )
( ) ( ) ( )σσ
σ
,,,,,
EscaladaImagen denomina Se
,,función una Y
,imagen una Dada
yxgyxfyxF
yxg
yxf
∗=
p Función Monótona Decreciente H
( )[ ] ( )[ ] 0 todopara ,,,, 2121 >>≤ σσσσ yxFHyxFH
p Si g(.) es una distribución Gaussiana, los pasos porcero de la Laplaciana es una Función MonótonaDecreciente
http://www.disam.upm.es/vision 62
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el “Scale-Space”
p Deriche y Giraudon (1993)
p Se calcula la Laplaciana de la imagen
p Calcula por el criterio de Beaudet la posición parados escalas σσ1 y σσ2
p Con σσ1 y σσ2 se defineuna dirección
p La posición de la esquinase determina en el corte dela dirección y la Laplaciana
http://www.disam.upm.es/vision 63
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos basados en el “Scale-Space”
p Deriche y Giraudon (1993)
p Ventajas
p Buen compromiso entre precisión, rapidez yrobustez.
p Inconvenientes
p Los valores de σσ1 y σσ2 dependen en exceso de
las imágenes: ángulo y difuminado
http://www.disam.upm.es/vision 64
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Métodos que utilizan imágenes binarias
[ ][ ]T
xy
Tyx
T
T
fft
ffg
ggtHt
k−=
=−= con
p Determinan los puntos que pertenecen al borde
p Adelgazando o con SNM
p Mejor basados en la Laplacian que en lasegunda derivada en la dirección del gradiente
p Determina la curvatura de los puntos etiquetados
p Las esquinas serán los puntos con máximacurvatura
http://www.disam.upm.es/vision 65
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R
p Introducción
p Definiciones
p Curvatura de una superficie
p Laplaciana y segunda derivada en la direccióndel gradiente
p Métodos basados en la curvatura
p Métodos basados en el gradiente
p Métodos basados en los “puntos de interés”
p Métodos con modelo predefinido
p Métodos basados en el “Scale-Space”
p Métodos que emplean imágenes binarias
p Conclusiones
http://www.disam.upm.es/vision 66
UPM-DISAM Detección de Esquinas y Vértices
VIS
IÓN
PO
R C
OM
PU
TA
DO
R Conclusiones
p No existe un método perfecto
p Existe demasiada dependencia de las imágenes:modelo, ángulo, difuminado
p Es conveniente distinguir dos problemasp Detectar la existencia de bordep Localizar con precisión el borde
p Se recomienda fusionar métodos
p Se recomienda utilizar distintas escalasp Varias σp Varios dominios de vecindad