Extracting Control Points from Image Pairs for Perspective Transformation
Extrakce kontrolních bodů pro registraci dvojic perspektivně transformovaných obrazů
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/63986Identifikátory
SIS: 129947
Kolekce
- Kvalifikační práce [10932]
Autor
Vedoucí práce
Oponent práce
Soukup, Jindřich
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Obecná informatika
Katedra / ústav / klinika
Katedra softwarového inženýrství
Datum obhajoby
4. 9. 2014
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Velmi dobře
Klíčová slova (česky)
control point selection, perspective transformation, image processingKlíčová slova (anglicky)
extrakce kontrolních bodů, perspektivní transformace, zpracování obrazuRegistrace je součástí mnoha problémů v oblasti zpracování obrazu. Tato práce předkládá novou metodu extrakce kontrolních bodů jakožto součásti registrace dvojic obrazů. V součinnosti s vhodným algoritmem párování a odhadu modelu by extrahované body mohly být využity pro odhad globální perspektivní transformace mezi obrazy. Naše metoda spočte několik charakteristik okolí všech bodů v obrazech a přiřadí každému z nich míru "zajímavosti" na základě těchto charakteristik. Pomocí učícího algoritmu s učitelem získáme parametry této metody. Předkládáme též algoritmus na párování kontrolních bodů, který bere v potaz okolí bodů a počítá na nich míru podobnosti, která je invariantní vzhledem k rotaci. V závěru porovnáváme tuto metodu s Harrisovým detektorem rohů, a diskutujeme výsledky párovaní společně s možnostmi vylepšení jak párování, tak extrakce bodů.
Image registration is a part of many higher level image processing tasks. This thesis presents a novel approach to control point extraction as part of pairwise image registration. In combination with a suitable matching and model estimation algorithm, the extracted points could be used for estimating a global perspective transformation between the images. Our method extracts several features from image patches surrounding every point, and calculates an interest measure based on them. We use a supervised learning algorithm to obtain parameters of this extraction method. A control point matching algorithm is presented which considers the surrounding image patches of the control points and calculates a rotationally invariant similarity measure. We compare the results between our method of control point extraction and the Harris corner detector, and discuss the results of the matching and methods to improve both the matching and the control point extraction.