画像局所特徴量で形状の類似度を測る

概要

画像内に映る二つの物体同士の形状が同様の物体から来ているのか類似度を計算する方法についてまとめる.画像の局所特徴量を数箇所検出してそのヒストグラムを作成、それが類似しているか、対応している点があるかを求めて類似度算出する.この一連の手法をBag of Features(Visual words)と呼ぶ. 有名な手法の一つ.
Facebookシェア Twitterツイート LINEで送る このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
0
条件
  • あらかじめ画像データセットを用意して特長量のベクトルとクラスk個を準備
  • クラスk個の各重心のベクトルを保持しておく.
効果
  • 二つの画像の類似度を得る
  • 多少の変形には強い
ポイント
  • 各画像から複数の局所特徴量を取り出し,それを元にヒストグラムを作成
  • そのヒストグラムを比較して画像間の形状の類似度を計測

解 説

画像局所特徴量で形状の類似度を測る方法で、Bag of Visual Wordsを紹介します. この技術は文書関連の統計においてよく用いられてきたBag of Wordsから派生したもの.おおざっぱには特定の部分画像から得られる局所特徴量を使って、各画像のヒストグラムを得て比較する. Bag of Wordsで作成する特徴量はSIFT特徴量やSURF特徴量を用いれば何でもよい. このBag of Wordsの流れは以下からなる. 事前準備 ・事前準備画像を使って、あらかじめ辞書となる特徴量を求めておく. ・事前画像から算出したそれらの特徴量に対してKNN(k nearest neighbor)を行い、各クラス多の重心を求めておく. 実際に類似度計算 ・入力画像からまず特徴量を複数得る. ・それらの特徴量が事前準備で用意したどのクラスの重心ベクトルに近いかを計算し(ユークリッド距離が通常)、それによってどのクラスに分配されるか決定される. ・上記の過程によって入力画像に対するヒストグラムが完成するため、もう一方の画像も同様の手順でヒストグラムを完成させ、この二つの画像間の類似度を算出する.
画像局所特徴量で形状の類似度を測る
この章を学んで新たに学べる
Comments

Reasons
>>隠す