Модификация алгоритма YAPE для изображений с большим разбросом локального контраста

Abstract

Одним из важных инструментов анализа изображений является обнару-жение особых точек. Среди множества современных алгоритмов выявления таких то-чек (т.н. детекторов особых точек) YAPE выделяется своим быстродействием, благодаря чему он используется в мобильных и встраиваемых системах. Однако у этого алгоритма есть ряд существенных недостатков. В данной работе показано, что YAPE весьма чувстви-телен к локальному контрасту изображения, что приводит к высокой кучности точек в областях высокого контраста и отсутствию отклика в областях низкого контраста. Пред-ложена модификация, исправляющая поведение алгоритма на изображениях с большим разбросом контраста. Помимо этого в статье также предложены две более простые, но тем не менее важные модификации: первая устраняет проблему обнаружения соседних пикселей изображения в качестве особых точек, а вторая оптимизирует алгоритм выбора лучших точек. В качестве модельной была рассмотрена задача распознавания дорожных знаков, так как зачастую знаки, находясь в тени, на изображении являются областями низкого контраста. Было показано, что количество дорожных знаков, на изображении которых не было найдено ни одной особой точки, на 40% меньше для модифицированного алгоритма. Keypoint detection is an important tool of image analysis, and among many contemporary keypoint detection algorithms YAPE is known for its computational performance, allowing its use in mobile and embedded systems. One of its shortcomings is high sensitivity to local contrast which leads to high detection density in high-contrast areas while missing detections in low-contrast ones. In this work we study the contrast sensitivity of YAPE and propose a modification w hich c ompensates f or t his p roperty o n i mages w ith w ide local contrast range (Yet Another Contrast-Invariant Point Extractor, YACIPE). As a model example, we considered the traffic sign recognition problem, where some signs are well-lighted, whereas others are in shadows and thus have low contrast.We show that the number of traffic signs on the image of which has not been detected any keypoints is 40% less for the proposed modification compared to the original algorithm.