특징점 추출

1. 특징점 추출
   1. 특징점 추출
      1. 정의
         1. 영상에서 물체 추적 or 인식 --> 영상과 영상 매칭 위해 주요 특징점(key point) 뽑아서 매칭
         2. corner point: 물체 형태, 위치, 조명 등이 변해도 쉽게 찾아낼 수 있는 keypoint
      2. 종류
         1. harris corner
            1. 작은 윈도우 이동 --> 코너점의 경우 모든 방향으로 영상 변화가 큼
               
            2. 장점
               1. 영상 평행이동, 회전 변화에는 ===> 불변
               2. affine 변화, 조명 변화에도 강인성 가짐
            3. 단점
               1. 영상의 크기(scale) 변화에는 영향 받음
                  
         2. sift
            
            1. DoG(Difference of Gaussian) 기반으로 이미지 내에서 뿐만 아니라 스케일 축으로도 코너성이 극대인 점 찾음
            2. 과정 --> ?
               1. sift에서 이미지 i가 있을 때, i의 크기를 단계적으로 축소시켜 축소된 이미지들을 생성(이미지 피라미드)
               2. 각 스케일의 영상마다 코너성을 조사해서 코너점을 찾음 --> 대부분 인접한 여러 영상 스케일에 걸쳐 동일한 지점이 코너점을 검출
               3. 그 중 스케일 축을 따라서도 코너성일 극대인 점 찾음, 이 점들을 sclae invariant한 특징점
            3. 장점
               1. 입력 이미지의 스케일이 어떻게 주어지더라도 해당 특징점 찾아낼 수 있음
         3. FAST(Features from Accelerated Segment Test)
            1. 극도의 빠름을 추구한 특징점 추출 알고리즘
            2. 속도에 최적화 & 특징점 품질 기존 방법들보다 뛰어남
            3. 과정
               
               1. 어떤 점 p를 중심으로 하는 반지름 3인 원 상의 16개 픽셀값을 보고 판단 --> P가 코너인지 여부를 판단
               2. p보다 일정 값 이상 밝은 픽셀들이 n개 이상 연속 or P보다 일정 값 이상 어두운 픽셀들이 n개 이상 연속 --> p 코너점 판단
            4. 특징
               1. n을 어떻게 잡냐에 따라서 Fast-9, Fast-10, ..., Fast-16과 같이 다양한 버전이 가능
               2. 연속된 점 직접 세지X --> decision tree 이용하여 빠르게 판단
                  1. 픽셀의 밝기값을 p보다 훨씬 밝거나 어두운 경우, p와 유사한 경우 3가지 값으로 분류 --> 원주상의 픽셀들의 밝기 분포를 16차원 ternary 벡터로 표현
                  2. 이를 decision tree에 입력하여 코너점 여부 분류
            5. 문제점
               1. 어떤 점 p가 코너점으로 인식 --> p와 인접한 주변 점들도 코너점으로 검출 ==> non-maximal suppression 후처리 사용
                  1. non-maximal suppression: 인접한 여러 점들 중 코너성이 극대인 점만 남기고 나머지 제거
         4. BRIEF(Binary Robust Independent Elementary Features)Permalink
            1. 정의
               1. 특징점 검출이 아닌 기술자(descriptor)를 생성하는데 사용
                  1. descriptor: 특징점(key point) 위치에서 추출한 지역적 영상 특징 정보(ex. gradient 분포 히스토그램)
               2. 특징점 주변 영역의 픽셀을 다른 픽셀과 비교해 어느 부분이 더 밝은지 찾아 이진 형식으로 저장 --> descriptor를 이진화
               3. 두개의 픽셀을 하나의 그룹으로 묶는 방식
            2. 과정
               1. 중심 픽셀(p)의 주변 픽셀을 2개씩 뽑아서 비교하여 descriptor 생성
               2. 2개의 픽셀 값(x,y)을 비교하여 0또는 1로 표현
                  
               3. 비교하여 나온 값(0 or 1)을 각 bit에 저장하여 descriptor 생성(ex. 1011100100)
                  
                  
                  
            3. 장점
               1. 시점, 조명, 블러에 강함
            4. 단점
               1. 회전에 약함
         5. 주요 불변 특징량(descriptor) 부분에서 사용하는 특징점