Publication: Speeded up robust features (SURF) : performance test
Loading...
Identifiers
Publication date
2013
Defense date
2013-03-07
Authors
Advisors
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Export
Abstract
This work presents a performance analysis of SURF features, an algorithm for feature detection
and matching. The goal is to test the performance of SURF in the presence of noise: The
analysis is performed both on synthetically generated observations as well on raw images. In
first place we present SURF features. Introduction covers the concept of feature extraction,
what it is and the interest of it, as well the feature points detection, description and matching.
After the introduction we proceed with the main part: Experiments. In the first part we use test
images and we add noise (additive noise). The additive noise we work with is Gaussian and
Poisson noise. We do this process several times and in each iteration we compute the SURF
features of the original image and the altered one. Afterwards the performance is analyzed,
considering the repeatability and the ratio of incorrect matches. We also consider the changes
of illumination, out of focus blur and motion blur. Finally conclusions are taken from the results.
In the second part the experiments are done with raw files. A raw file is the data obtained from
the sensor, without changes, so it needs a bit of processing for be able even to preview it. It is
analyzed the performance of SURF when it is changed the exposure time. In this case noise will
be as a result of the camera defects and noise related to the exposure time. After the
experiments, the results are analyzed as in the first part (repeatability and ratio of incorrect
matches).
It results that SURF is robust to noise in a wide range, and out of this range the results are poor
and inaccurate. It is sensible to blur and the performance is bad in dark environments
(pictures).
An appendix is written for explain the process of port the SURF libraries, which are originally
written in C and ready for use with OpenCV in any platform that admits OpenCV (such as C,
python or Java) and make them usable in Matlab. For this purpose Matlab has a tool that is
called Mex file. This tool is explained and the process in general. ______________________________________
Este trabajo presenta un test de funcionamiento de la librerÃa SURF features, un algoritmo para la detección y correcpondencia de parámetros significativos en una imagen. El objetivo es comprobar el comportamiento de SURF en presencia de ruido: El análisis es llevado a cabo con ruido sintético (generado) y también con imágenes raw (no procesadas). En primer lugar se presenta SURF features. La introducción abarca el concepto de extracción de parámetros, qué es y el interés de ello, y también la detección de puntos de interés, descripción de los mismos y la correlación entre ellos. Después de la introducción procedemos con la parte principal: Experimentos. En la primera parte usamos imágenes de prueba y añadimos ruido (ruido aditivo). El ruido aditivo con el que trabajamos es Gausiano y de Poisson. Llevamos a cabo este procedimiento varias veces y en cada iteración calculamos los parámetros SURF de la imagen original y de la imagen alterada. Después el comportamiento es analizado, considerando la repetibilidad y la relación de correspondencias incorrectas. Además consideramos los cambios de iluminación, desenfoque y movimiento. Finalmente las conclusiones extraÃdas de los experimentos son mostradas. En la segunda parte los experimentos son realizados con imágenes raw. Una imagen raw es una imagen obtenida directamente del sensor, sin cambios, por lo que necesita algo de procesamiento incluso para poder verla. Es analizado el comportamiento de SURF cuando es cambiado el tiempo de obturación. Después de los experimentos, los resultados son analizados igual que en la primera parte (repetibilidad y relación de correspondencias incorrectas). Resulta que SURF es robust al ruido en un amplio rango, y fuera de este rango los resultados son pobres e inexactos. Es sensible al desenfoque y el comportamiento es malo en entornos oscuros. Un apéndice es escrito para explicar el proceso de llevar la librerÃa SURF, que originalmente han sido escritas en C y están listas para usar en OpenCV y cualquier plataforma que admita OpenCV (como C, python o Java) y hacer posible su uso en Matlab. Para este propósito Matlab dispone de una herramientda llamada Mex file. Esta herramienta es explicada y el proceso en general.
Este trabajo presenta un test de funcionamiento de la librerÃa SURF features, un algoritmo para la detección y correcpondencia de parámetros significativos en una imagen. El objetivo es comprobar el comportamiento de SURF en presencia de ruido: El análisis es llevado a cabo con ruido sintético (generado) y también con imágenes raw (no procesadas). En primer lugar se presenta SURF features. La introducción abarca el concepto de extracción de parámetros, qué es y el interés de ello, y también la detección de puntos de interés, descripción de los mismos y la correlación entre ellos. Después de la introducción procedemos con la parte principal: Experimentos. En la primera parte usamos imágenes de prueba y añadimos ruido (ruido aditivo). El ruido aditivo con el que trabajamos es Gausiano y de Poisson. Llevamos a cabo este procedimiento varias veces y en cada iteración calculamos los parámetros SURF de la imagen original y de la imagen alterada. Después el comportamiento es analizado, considerando la repetibilidad y la relación de correspondencias incorrectas. Además consideramos los cambios de iluminación, desenfoque y movimiento. Finalmente las conclusiones extraÃdas de los experimentos son mostradas. En la segunda parte los experimentos son realizados con imágenes raw. Una imagen raw es una imagen obtenida directamente del sensor, sin cambios, por lo que necesita algo de procesamiento incluso para poder verla. Es analizado el comportamiento de SURF cuando es cambiado el tiempo de obturación. Después de los experimentos, los resultados son analizados igual que en la primera parte (repetibilidad y relación de correspondencias incorrectas). Resulta que SURF es robust al ruido en un amplio rango, y fuera de este rango los resultados son pobres e inexactos. Es sensible al desenfoque y el comportamiento es malo en entornos oscuros. Un apéndice es escrito para explicar el proceso de llevar la librerÃa SURF, que originalmente han sido escritas en C y están listas para usar en OpenCV y cualquier plataforma que admita OpenCV (como C, python o Java) y hacer posible su uso en Matlab. Para este propósito Matlab dispone de una herramientda llamada Mex file. Esta herramienta es explicada y el proceso en general.
Description
Keywords
Proceso de imágenes, Algoritmos, OpenCV