[Zurück]


Diplom- und Master-Arbeiten (eigene und betreute):

P. Eisele:
"System zum Vergleich von Interest-Point-Detektoren";
Betreuer/in(nen): H. Eidenberger; Softwaretechnik und Interaktive Systeme, 2012.



Kurzfassung deutsch:
In dieser Arbeit wird ein Überblick über die wichtigsten Methoden zur Identifizierung von
Interest-Points gegeben. Häufig eingesetzte Konzepte werden im Detail erklärt. Des Weiteren
wird ein Framework entwickelt, welches gängige Interest-Point-Detektoren integriert und einen
visuellen Vergleich der Ergebnisse dieser Detektoren ermöglicht. Eine dafür geeignete Auswahl
an Bildern mit sehr einfachen Strukturen wird für den Vergleich zur Verfügung gestellt.
Für eine Vielzahl von Anwendungen im Bereich der Computer Vision die auf der computergestützten
Verarbeitung von Bilddaten basieren, wie beispielsweise Objektverfolgung, Objekterkennung
oder 3D-Rekonstruktion, ist es nötig, in einem ersten Schritt interessante Strukturen
in Bildern zu identifizieren. Mit Hilfe der interessanten Strukturen soll die Durchführung eines
robusten Bildabgleichs ermöglicht werden. Diese interessanten Strukturen werden als lokale
Features bezeichnet und entsprechen für gewöhnlich Eckpunkten oder blob-ähnlichen Strukturen
in Bildern.
Die Position von lokalen Features in Bildern wird durch sogenannte Interest-Points oder
Interest-Regions beschrieben. Verfahren zur Identifikation lokaler Features werden als Interest-
Point-Detektoren bezeichnet. Methoden, die auf der Verwendung von Interest-Points basieren,
haben sich als besonders geeignet zur Durchführung eines robusten Bildabgleichs erwiesen. Aus
diesem Grund werden solche Methoden am häufigsten in modernen Computer Vision-Systemen
eingesetzt. Verfahren, die auf Interest-Points basieren, verwenden lokale Bildinformation zur
Detektion relevanter Features. Im Gegensatz zu vielen anderen Ansätzen sind sie in der Lage,
gute Resultate beim Bildabgleich zu erzielen, auch wenn die Objekte in Bildern teilweise verdeckt
sind. Zudem sind Features, die auf Interest-Points lokalisiert sind, robust gegenüber unterschiedlichen
geometrischen und photometrischen Bildtransformationen und realisieren eine
kompakte Repräsentation des Bildinhalts.
Erste Interest-Point-Detektoren wurden bereits Ende der Siebziger entwickelt. Auch heute
noch ist die Identifikation interessanter Punkte ein belebtes Forschungsgebiet. Heute existiert eine
große Anzahl verschiedener Verfahren zur Detektion von Interest-Points. Um den passenden
Detektor für eine bestimmte Aufgabenstellung zu finden, ist es daher notwendig, sich mit den
grundlegenden Konzepten und Methoden zur Interest-Point-Detektion zu befassen.

Kurzfassung englisch:
In this work an overview of the most important methods for interest-point-detection is provided.
Common concepts are explained in detail. Furthermore, a framework is implemented which
integrates common interest-point-detectors and facilitates a visual comparison of the results of
the different techniques. A set of images composed of simple structures is allocated for the
comparison.
Many applications in the field of computer vision which rely on computer-aided processing
of image data, for example tracking, object recognition and 3D-reconstruction depend on the
detection of interesting structures in images prior to further processing steps to allow for robust
image matching. These structures usually correspond to so-called blobs or corners and are
referred to as local features.
The position of local features in images is determined by so-called interest-points or interestregions.
Techniques to identify local features in images are called interest-point-detectors. Methods
based on interest-point-detection have proven to be especially well-suited for robust image
matching and are therefore most commonly used in current computer vision systems. In contrast
to other approaches, methods based on interest-points use local image information for the detection
of the aforementioned features. Thus, they produce good results even when objects in images
are partially occluded. Furthermore, local features determined by interest-point-detectors
are robust to various geometric and photometric image transformations and yield a compact representation
of image content. Research on methods for the detection of robust interest-points
has been done since the late seventies. Accordingly there is a great number of different interestpoint-
detectors nowadays. In order to be able to choose the appropriate interest-point-detector
for a specific task it is vital to familiarize oneself with the basic concepts and methods of interestpoint-
detection.

Erstellt aus der Publikationsdatenbank der Technischen Universitšt Wien.