SURF
Esta técnica asegura que los puntos de interés son invariantes en el escalado.
El detector se basa en la matriz Hessiana, debido a su buen desempeño en la precisión.
Más precisamente, se detectan estructuras BLOB en lugares donde el factor determinante es el máximo.
Los Filtros Gaussianos son óptimos para el análisis de la escala - espacio, pero en la práctica deben ser discretizados y recortados.
Las ponderaciones aplicadas a las regiones rectangulares son mantenidas por la eficiencia de la CPU.
) de la respuesta del filtro es utilizado para balancear la expresión por el determinante Hessiano.
La aproximación del determinante de la matriz Hessiana representa la respuesta BLOB en la imagen en la localización x.
Los puntos de interés deben ser encontrados en diferentes escalas, entre otras cosas porque la búsqueda de correspondencias a menudo requiere su comparación en las imágenes donde se les ve a diferentes escalas.
Después se buscan los máximos 3D en (x, y, n) utilizando el cubo de vecindad 3x3x3.
La dimensión del descriptor tiene un impacto directo con el tiempo de adquisición que se toma.
El tamaño de esta ventana debe tomarse en cuenta ya que si es demasiado pequeña, tendrá un solo gradiente dominante y si es demasiado grande, tenderá a dar tamaños de vector máximo que no representan la realidad correctamente.
En este apartado se detalla el paso posterior a la busca de puntos característicos que nos proporciona el detector.
Inicialización de todas las variables globales y las funciones necesarias para ejecutar el programa.
Si hay una cámara conectada, pasa a la etapa: Capturar secuencia y la almacena en el equipo.
Solo entra si el algoritmo no encontró ningún dispositivo de vídeo conectado al equipo.
Puede capturar la imagen a partir de la cámara o del vídeo almacenado.
Si no hay cuadro (apuntador de la imagen es NULLA), finaliza la ejecución del programa.
Pueden utilizarse filtros gaussianos (Son los más nítidos), de promedio, etc...
La zona seleccionada, aparecerá en otra ventana para ser cogida como imagen base en la que se podrá analizar el resto del vídeo.
Esta nueva imagen será almacenada temporalmente y paralelamente al algoritmo.
Gastado muestra la imagen parada de el vídeo y finalmente, acaba el programa.
Ahora las imágenes gaussianas se restan para poder producir el DoG, después de eso se submostrea la imagen Gaussiana por un factor 2 para obtener una DoG muestreo de la imagen.
Las gráficas muestran que el método SIFT tiene unos 2.68 puntos invariantes más que el SURF respecto al tiempo, el SIFT utiliza unos 1.646 ms para analizar una imagen y el SURF 485 ms, es casi una tercera parte del tiempo, la eficiencia en este factor es considerable.
En temas de eficacia el método SIFT también es menos eficaz que el SURF, pero ligeramente más bajo.
C++ es escogido por las siguientes razones: Velocidad: Procesamiento de imágenes a bajo nivel se necesita ser rápido y C++ lo facilita.
Un posible entorno es Visual Basic C++ juntamente con VC++, un potente IDE, que permite crear código fácilmente, así como organizar los proyectos.
Visual C++ y OpenCV son gratuitos, cosa que permitirá a la librería ser distribuida sin restricciones de licencia.
Descripción: Encuentra la Hessiana basada en los puntos de interés / regiones en una imagen integral.
Realiza una supresión no máxima para localizar puntos de interés en un espacio Escala.
Salidas: Ninguna Descripción: Módulo que contiene todas las funciones específicas no SURF.
