물체의 유사성(correspondence) 찾기 - 수정중

  물체의 Correspondence(유사성)을 찾기 위한 접근 방법으로 크게 두가지 방법으로 분류할수 있다.

첫번째는 Feature에 기반한 방법, 두번째는 Area에 기반한 방법이다. Feature에 기반한 방법은 이미지에서 나타나는 feature(keypoint) - 추적하기 좋은곳(쉬운곳) 즉, edge나 corner점들을 이용해 매칭점을 찾아내는 방법이다. Feature에 기반한 방법은 속도가 빠르고 매칭점 들이 비교적 정확한 장점이 있지만, 하나의 feature로는 위치를 판별해 내기 어렵다. 하지만 Area에 기반한 방법은,  전체에 대한 dense 매칭에 대한 정보를 얻을수 있지만, 그에 따라 속도가 매우 느리고, Feature기반 방법보다 부정확한 단점이 존재한다.

 

Feature기반의 매칭점을 찾는 알고리즘의 순서는 보통 아래와 같은 순서로 진행된다.

 

(1) 두 이미지로 부터 Feature점들을 추출한다.  (2) 추출한 Feature점들을 이용해 근방 픽셀 밝기값을 물체의 orientation, descriptor를 구한다.  (3) 두 이미지의 Feature점들간의 대략적인 Matching point를 찾는다.(KD-Tree, LSH...)  (4) outlier 제거 한뒤 Inlier를 갖고 Homography를 추정한다.(RANSAC, PROSAC...)  (5) H를 통해 두 이미지 간의 관계를 설정한다.

 

(3)의 과정에서 Feature keypoint점들 간에 대략적인 매칭을 위해서, 매칭되는 keypoint주위의 원도우 영역에

서 유사 정도를 가지고 대략적인 매칭을 수행한다. 대표적인 유사도 측정 방법은 SAD(Sum of Absolute

Differences), SSD(Sum of Squared Differences), NCC(Normalized Cross Correlation)등이 있다.