Methods for precise local affine frame constructions on MSERs

Abstract

Detekce příznaků a hledání korespondencí je jeden ze základních problémů v mnohých aplikacích počítačového vidění. V této práci navrhujeme novou metodu pro zlepšení opakovatelnosti a přesnosti lokálních afinních rámců (LAFs) konstruovaných na diskretizované kontuře maximálně stabilních extremálních regionů (MSER). Navrhovaná metoda rekonstruuje diskretizovanou konturu extremálního regionu na základě intenzitní funkce v blízkém okolí bodů kontury. Dále představujeme novou metodu pro detekci lokálních extrému křivosti na rekonstruované kontuře. Navrhované metody jsou implementovány a vyhodnoceny na veřejně dostupných databázích. Rozsáhlé experimenty ukazují vyšší počet správných korespondencí a jejich lepší poměr k tentativním korespondencím ve více jako 80\% párech obrázků. Jelikož čas zpracování je vůči detekci regiónů zanedbatelný, není důvod nezahrnout navrhovaný algoritmus jako standardní rozšíření MSER detektoru. Powered by TCPDF (www.tcpdf.org)

Feature detection and matching is a fundamental problem in many applications in computer vision. We propose a novel approach that improves repeatability and precision of Local Affine Frames (LAFs) constructed on discretized contours detected by Maximally Stable Extremal Regions (MSERs) detector. Proposed method reconstructs a discretized contour of extremal region by taking into account the intensity function in local neighborhood of the contour points. Additionally we propose a new method for detection of local curvature extrema, based on the refined contour. The extensive experimental evaluation on publicly available datasets showed higher number of correspondences and higher inlier ratio in more than 80\% of the image pairs. Since the procesing time of the contour refinement is negligible, there is no reason not to include the proposed algorithms as a standard extension of MSER detector. Powered by TCPDF (www.tcpdf.org)