Fast Approximated SIFT
西村 孝
はじめに

SIFT


物体認識，特徴点追跡，マッチング…
処理コストが高い問題

SIFTアルゴリズムの高速化が課題
高速化のアプローチ

高速化アプローチは次の２つ


入力画像
DoG処理→DoM処理
Histogram処理→Integral Histogram処理
Integral Image
勾配算出
DoM画像生成
Integral Histogram
処理の流れ
キーポイント検出
オリエンテーション
特徴量記述
Integral Image

矩形領域の輝度値の和を高速に算出可能

積分画像の算出法


画像I(x, y)
積分画像ii(x, y)
領域内の輝度和の算出

積分画像を算出することで領域内の輝度値の
合計を高速に算出

利点


領域の数が多い場合
領域が重なり合う場合
Difference-of-Mean(DoM)

Gaussianフィルタの代わりにMeanフィルタ
MeanフィルタとGaussianフィルタ
Meanフィルタのオペレータ（3×3）
scale
detector
評価実験





計算コストの比較
回転のマッチング精度の比較
スケールと射影変換のマッチング精度の比較
detectorとdescriptorの比較
計算速度の比較
計算コストの比較
フィルタサイズによる計算コスト
ヒストグラム処理の計算コスト
回転のマッチング精度
スケールと射影変換のマッチング精度
スケール変化
射影変化
detectorとdescriptorの比較
Detectorの比較
Descriptorの比較
計算速度
表１ 画像サイズ別の処理時間[sec]
image size
SIFT
Approx．SIFT
800×640
400×320
200×160
4.24
1.34
0.44
0.625
0.180
0.075
約7倍の高速化
おわりに

Fast Approximated SIFTの文献調査
SURF

Hessian-based