[論文レビュー] Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images

Ebrahim Karami, Siva Prasad+1 more|arXiv (Cornell University)|Oct 7, 2017

Advanced Image and Video Retrieval Techniques参考文献 8被引用数 303

ひとこと要約

この論文は、画像マッチングにおいて SIFT、SURF、BRIEF、ORB を様々な歪み下で比較し、頑健性・特徴点・マッチング率・速度を評価します。

ABSTRACT

Fast and robust image matching is a very important task with various applications in computer vision and robotics. In this paper, we compare the performance of three different image matching techniques, i.e., SIFT, SURF, and ORB, against different kinds of transformations and deformations such as scaling, rotation, noise, fish eye distortion, and shearing. For this purpose, we manually apply different types of transformations on original images and compute the matching evaluation parameters such as the number of key points in images, the matching rate, and the execution time required for each algorithm and we will show that which algorithm is the best more robust against each kind of distortion. Index Terms-Image matching, scale invariant feature transform (SIFT), speed up robust feature (SURF), robust independent elementary features (BRIEF), oriented FAST, rotated BRIEF (ORB).

研究の動機と目的

• コンピュータビジョンとロボティクスアプリケーションのための頑健な画像マッチングを動機づける。
• 多様な歪みの下で古典的な特徴検出器/記述子（SIFT、SURF、BRIEF、ORB）を比較する。
• どのアルゴリズムが各タイプの歪みに対して最も頑健かを特定する。
• 歪んだ画像に対する精度と速度のトレードオフについて実用的な指針を提供する。

提案手法

• 元の画像にさまざまな変換を手動で適用して歪んだデータを生成する。
• 各アルゴリズムについて検出された特徴点の数、マッチング率、実行時間などの主要指標を計算・比較する。
• SIFT、SURF、BRIEF、ORB のスケーリング、回転、ノイズ、魚眼歪み、せん断に対する頑健性を分析する。
• 各歪みカテゴリでどのアルゴリズムが最も良い性能を示すかを評価する。

実験結果

リサーチクエスチョン

• RQ1 どの特徴マッチング技術（SIFT、SURF、BRIEF、ORB）が、スケーリング、回転、ノイズ、魚眼、せん断という各歪みタイプに最も頑健か？
• RQ2 異なる歪みの下で、アルゴリズムごとに特徴点、マッチング率、実行時間はどう変化するのか？
• RQ3 歪んだ画像条件下でマッチング手法を選択するために、どんな実践的な指針を提供できるか？
• RQ4 BRIEFとORBは歪み下でSIFTとSURFと比較して速度と精度のトレードオフに有利か？

主な発見

• SIFT、SURF、BRIEF、ORB は歪みタイプごとに異なる頑健性プロファイルを示す。
• 本研究は、アルゴリズムを比較するために、特徴点数、マッチング率、実行時間などの指標を報告する。
• 論文は、評価されたパラメータに基づいて、各歪みカテゴリで最適なアルゴリズムを特定する。
• 歪み画像マッチングにおける頑健性と計算効率のトレードオフに関する洞察を提供する。