[論文レビュー] A Fuzzy Brute Force Matching Method for Binary Image Features

Erkan Bostancı, Nadia Kanwal+2 more|arXiv (Cornell University)|Apr 20, 2017

Advanced Image and Video Retrieval Techniques参考文献 3被引用数 9

ひとこと要約

本論文は、固定されたハミング距離閾値の限界を克服するため、バイナリ画像特徴量のためのファジィ論理ベースのブルートフォースマッチング手法を提案する。変動する撮影条件に起因する不確実性を表現するコンパクトなファジィ所属関数を用いることで、標準ベンチマークにおいて従来の閾値ベース手法よりも顕著に高い正しくマッチした特徴量の割合を達成した。

ABSTRACT

Matching of binary image features is an important step in many different computer vision applications. Conventionally, an arbitrary threshold is used to identify a correct match from incorrect matches using Hamming distance which may improve or degrade the matching results for different input images. This is mainly due to the image content which is affected by the scene, lighting and imaging conditions. This paper presents a fuzzy logic based approach for brute force matching of image features to overcome this situation. The method was tested using a well-known image database with known ground truth. The approach is shown to produce a higher number of correct matches when compared against constant distance thresholds. The nature of fuzzy logic which allows the vagueness of information and tolerance to errors has been successfully exploited in an image processing context. The uncertainty arising from the imaging conditions has been overcome with the use of compact fuzzy matching membership functions.

研究の動機と目的

• 多様な撮影条件下でのバイナリ特徴量マッチングにおける固定ハミング距離閾値の不整合性を解消すること。
• 従来のブルートフォースマッチングがシーン、照明、ノイズの変化に敏感であるのを克服すること。
• ファジィ論理を用いて特徴量マッチング意思決定における本質的な曖昧さと不確実性をモデル化すること。
• 任意の閾値を代替する適応的で文脈に配慮した意思決定ルールに置き換えることで、マッチング精度を向上させること。
• 既知の正解ラベルを有する標準画像データベースにおいて、優れた性能を示すこと。

提案手法

• 従来の固定ハミング距離閾値の代わりに、特徴量マッチングの質を評価するためのファジィ推論システムを導入する。
• ハミング距離に基づいてマッチングの信頼度を表すコンパクトなファジィ所属関数を設計する。
• ファジィ論理ルールを用いてハミング距離をマッチング信頼度スコアにマップし、微小な変動に対しても許容性を付与する。
• ファジィ出力の集約に基づいて、デファジィケーションを適用してクリアなマッチング意思決定を取得する。
• ファジィマッチングモジュールを標準的なブルートフォース特徴量マッチングパイプラインに統合する。
• 既知の画像データベースからのトレーニングデータを用いて、ファジィルールおよび所属関数を最適化する。

実験結果

リサーチクエスチョン

• RQ1 固定閾値手法と比較して、ファジィ論理ベースのアプローチは、変動する撮影条件下でのバイナリ特徴量マッチングのロバスト性を向上させることができるか？
• RQ2 ファジィ所属関数の使用が、マッチングにおける正例の数と誤検出の数のトレードオフにどのように影響するか？
• RQ3 ファジィ論理は、シーンや照明の変化に対するマッチング性能の感受性をどの程度低減できるか？
• RQ4 提案手法は、固定閾値を用いた従来のブルートフォースマッチングよりも高い正確性（precision）と再現率（recall）を達成できるか？
• RQ5 コンパクトなファジィ集合は、画像取得のばらつきがもたらす不確実性を効果的にモデル化できるか？

主な発見

• 標準画像データベースにおいて、ファジィブルートフォース手法は固定ハミング距離閾値よりも高い正しくマッチした特徴量数を達成した。
• ファジィ論理による不確実性への耐性のおかげで、シーン、照明、撮影条件の変化に対するロバスト性が向上した。
• ファジィ所属関数は特徴量類似度の曖昧さを効果的に捉え、任意の閾値に依存するのを減らした。
• 特に困難な撮影環境において、従来手法よりもマッチング精度が優れていた。
• コンパクトなファジィ集合の使用により、計算効率が向上しながらも高いマッチング信頼性を維持できた。
• 結果から、ファジィ論理がバイナリ特徴量マッチングにおける本質的な不正確さに対処するのに適していることが確認された。