2014 Fiscal Year Research-status Report
Project/Area Number |
25730116
|
Research Institution | Kumamoto University |
Principal Investigator |
上瀧 剛 熊本大学, 大学院先導機構, 助教 (20582935)
|
Project Period (FY) |
2013-04-01 – 2016-03-31
|
Keywords | スケールスペース / 画像特徴抽出 / SIFT / スペクトル分解 |
Outline of Annual Research Achievements |
スペクトル分解を用いたスケールスペース空間の情報圧縮に関する研究を進めている。1パラメータのガウシアンスケールスペースおよび、Scale Normalized LoG空間(sLoG)のSIFT特徴点検出器の応用を進めた。具体的には、(1)Oxfordデータセットを用いた評価実験を進め、従来のSIFT、SURFよりも良い再現性が得られることを確認した。(2)固有関数の基底をB-Spline区分多項式で近似することで、より広範囲のスケールの画像特徴を抽出する手法を開発した。従来の画像ピラミッドによる方法ではリサイズ時のアーチファクトが問題であったが、提案手法ではこれを抑えつつ、広範囲のスケールの特徴を抽出できることを確認した。(3)sLoG等の固有フィルタがXY分離不可なフィルタリング操作が必要なため、FFTが必要といった欠点があったが、固有フィルタをガウシアンの和で近似する手法を開発し、高速かつ良好に近似できることを確認した。(4)多パラメータのスケールスペースとして、アフィン・スケールスペースのスペクトル分解手法の検討を行った。特異値分解を用いて楕円状のガウシアンフィルタのスペクトル分解を行った。その後、基底関数を多項式および三角関数で近似し、少ない次数で良好に近似できることを確認した。 研究成果としては、国内学会で2件の発表およびCVPR2014での口頭発表、ICIP2014でのポスター発表等を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
アフィン・スケールスペース解析に関して、共同研究者の参加によって、大きく進展した。
|
Strategy for Future Research Activity |
開発したSIFTがSURFよりも高速かつ高精度であることを確認している。この応用例を検討する。
|