Invariante Merkmale aus Interessenspunktgruppen

Dieses Papier behandelt das Problem der Suche nach Entsprechungen zwischen Bildern, in denen es große Änderungen in Blickwinkel, Maßstab und Beleuchtung gibt. Jüngste Arbeiten haben gezeigt, dass Maßstabsraum ‘Interessenspunkte’ trotz solcher Änderungen mit guter Wiederholbarkeit gefunden werden können. Darüber hinaus bedeutet die hohe Entropie der umgebenden Bildregionen, dass lokale Deskriptoren hochgradig diskriminativ für das Matching sind. Damit Deskriptoren an Interessenspunkten robust zwischen Bildern abgeglichen werden können, müssen sie möglichst invariant zum Imaging-Prozess sein. In dieser Arbeit stellen wir eine Familie von Merkmalen vor, die Gruppierungen von Interessenspunkten nutzen, um geometrisch invariante Deskriptoren von Bildregionen zu bilden. Merkmalsdeskriptoren werden durch das Neusampling des Bildes relativ zu kanonischen Frames, die durch die Punkte definiert sind, gebildet. Neben robustem Matching besteht ein wesentlicher Vorteil dieses Ansatzes darin, dass jede Übereinstimmung eine Hypothese der lokalen 2D (projektiven) Transformation impliziert. Dadurch können wir die meisten falschen Übereinstimmungen sofort mit einer Hough-Transformation ablehnen. Die verbleibenden Ausreißer lehnen wir mit RANSAC und der epipolaren Einschränkung ab. Die Ergebnisse zeigen, dass ein dichtes Merkmals-Matching in wenigen Sekunden Berechnung auf 1GHz Pentium III-Maschinen erreicht werden kann.