earticle

영어

In recent years, there have been significant research on robust feature extraction methods. Most state-of-the-art methods operate on grayscale images to decrease the computational expenses. We observe that this conversion can cause information loss and effect the matching performance. In this study, a multi-scale 2D invariant color detector and descriptor in nonlinear scale spaces is proposed. The algorithm exploits color information in HLS (Hue, Lightness, and Saturation) space. Nonlinear scale spaces are built separately for each color channel and adaptive Hessian responses are calculated for keypoint extraction. Fast Explicit Diffusion (FED) scheme is used for locally adaptive blurring to the image data. FED reduces image noise while preserving important edges. This aids in superior keypoint localization accuracy and feature distinctiveness. In addition, a Color Modified-Local Difference Binary (CM-LMB) descriptor is proposed. It combines HLS color information with gradient information in nonlinear scale space. Our proposed system (HLS-AKAZE) shows comparable performance in standard image datasets and good performance improvements in certain images (Less-Informative Grayscale Images). HLS-AKAZE is rotation, scale, and illumination invariant.

한국어

최근에는 강력한 특징 추출 방법에 대한 연구가 활발히 진행되고 있다. 대다수의 최신 방법들에서는 회색조 영상에 서의 계산 비용을 줄이는 방법에 대해 다루고 있다. 하지만 이러한 변환 방법은 정보가 손실되고 매칭 성능에 영향 을 줄 수 있다. 본 연구에서는 비선형 스케일 공간에서 다중 스케일 2D 불변 컬러 검출기와 기술어를 제안한다. 본 연구의 알고리즘은 HLS (색조, 밝기 및 채도) 공간의 색상 정보를 활용한다. 비선형 스케일 공간은 각 색상 채널에 대해 개별적으로 구축되며 적응형 Hessian 응답을 키포인트 추출에 사용된다. 부분적으로 적응형 흐림 효과를 나 타내기 위해 영상 데이터에서 중요한 가장자리를 보존하면서 영상 노이즈를 줄일 수 있는 FED (Fast Explicit Diffusion) 방법을 사용한다. FED 방법을 사용함으로써 뛰어난 키포인트 지역화 정확성과 특색 있는 특징을 찾을 수 있다. 또한, 본 연구에서는 HLS 색상 정보와 비선형 스케일 공간의 기울기 정보를 결합한 CM-LMB (Color Modified-Local Difference Binary) 기술자를 제안한다. 본 연구에서 제안한 시스템 (HLS-AKAZE)은 표준 영 상 데이터셋에서 뛰어난 성능을 보여 주며, 특정 이미지 (Less-Informative 그레이 스케일 이미지)에서 성능이 향 상되었다. 또한, 본 연구에서 제안하는 방법은 회전 및 스케일 그리고 조명에 대하여 불변성을 보인다.