Analyse av egenskapsdetektorene SURF, SUSAN og BRISK
Master thesis
Permanent lenke
http://hdl.handle.net/11250/2455913Utgivelsesdato
2017-06Metadata
Vis full innførselSamlinger
- Studentoppgaver (TN-IDE) [902]
Sammendrag
Egenskapsdeteksjon er å finne fremtredende punkter i et bilde. Det som definerer hvor god en egenskapsdetektor er, avhenger av hvor robust en detektor er ved forskjellige geometriske- og fotometriske variasjoner. Disse variasjonene kan være lys, rotasjon, støy og skala.
I denne oppgaven blir tre egenskapsdetektorer beskrevet teoretisk og testet mot forskjellige former for variasjoner. De tre utvalgte detektorene er SURF, SUSAN og BRISK. Hvor den første skal lokalisere områder som er lysere eller mørkere enn bakgrunnen. Mens de to siste detektorene lokalisere hjørner. Det blir benyttet to bilder for eksperimentene, et med enkle geometriske figurer og et bilde tatt i sentrum av Stavanger. Bakgrunnen for oppgaven er å teste detektorene opp mot hverandre og se hvem som er best. Eksperimenter hvor egenskapsdetektorer blir testet direkte opp mot hverandre har blitt gjort i mindre grad per dags dato.
SUSAN-detektoren bruker lengst tid av de tre detektorene, men er den detektoren som har lavest antall feildeteksjoner ved normale og lyssterke bilder ved bra terskelverdier. BRISK-detektoren er den raskeste, og gjør det bra ved store deler av eksperimentene foruten feildeteksjonene som går igjen i de fleste eksperimentene. SURF gjør det også bra, avhengig av hva som skal godkjennes om egenskapspunkt og ikke. Fra eksperimentene kommer det frem at detektorene har sine positive og negative sider.
Beskrivelse
Master's thesis in Cybernetics and signal processing