[논문 리뷰] A Fuzzy Brute Force Matching Method for Binary Image Features

Erkan Bostancı, Nadia Kanwal외 2명|arXiv (Cornell University)|2017. 04. 20.

Advanced Image and Video Retrieval Techniques참고 문헌 3인용 수 9

한 줄 요약

이 논문은 고정된 해밍 거리 임계값의 한계를 극복하기 위해 이진 이미지 특징에 대한 퍼지 논리 기반 브루트 포스 매칭 방법을 제안한다. 다양한 영상 조건에서 발생하는 불확실성을 모델링하기 위해 압축된 퍼지 소속 함수를 사용함으로써, 표준 벤치마크에서 기존의 임계값 기반 방법보다 유의미하게 높은 정확한 매칭 비율을 달성한다.

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.

연구 동기 및 목표

• 다양한 영상 조건에서 고정된 해밍 거리 임계값이 이진 특징 매칭에 미치는 일관성 없는 영향을 해결한다.
• 기존 브루트 포스 매칭이 장면, 조명, 노이즈 변화에 민감한 점을 극복한다.
• 특징 매칭 결정의 본질적인 모호성과 불확실성을 모델링하기 위해 퍼지 논리를 활용한다.
• 임의의 임계값을 적응형이며 맥락 인식 가능한 의사결정 규칙로 대체함으로써 매칭 정확도를 향상시킨다.
• 정확한 진위값이 알려진 표준 영상 데이터베이스에서 뛰어난 성능을 입증한다.

제안 방법

• 기존의 고정된 해밍 거리 임계값을 특징 매칭 품질 평가를 위한 퍼지 추론 시스템으로 대체한다.
• 해밍 거리 기반으로 매칭 신뢰도의 정도를 표현하기 위해 압축된 퍼지 소속 함수를 설계한다.
• 퍼지 논리 규칙을 사용하여 해밍 거리를 매칭 신뢰도 점수로 매핑함으로써 소규모 변동에 대한 내성을 확보한다.
• 융합된 퍼지 출력 기반으로 날것의 매칭 결정을 도출하기 위해 탈퍼지화를 적용한다.
• 퍼지 매칭 모듈을 표준 브루트 포스 특징 매칭 파이프라인에 통합한다.
• 정확한 영상 데이터베이스에서의 학습 데이터를 사용하여 퍼지 규칙와 소속 함수를 최적화한다.

실험 결과

연구 질문

• RQ1 고정 임계값 방법과 비교할 때, 퍼지 논리 기반 접근법이 다양한 영상 조건에서 이진 특징 매칭의 강건성을 향상시킬 수 있는가?
• RQ2 퍼지 소속 함수의 사용이 특징 매칭에서 정확한 매칭과 가짜 양성 간의 트레이드오프에 어떤 영향을 미치는가?
• RQ3 퍼지 논리가 장면 및 조명 변화에 대한 매칭 성능 민감도를 어느 정도 감소시킬 수 있는가?
• RQ4 제안된 방법이 기존의 고정 임계값을 사용하는 브루트 포스 매칭보다 더 높은 정밀도와 재현율을 달성하는가?
• RQ5 압축된 퍼지 소속 함수가 영상 캡처 가변성에 의해 유도되는 불확실성을 효과적으로 모델링할 수 있는가?

주요 결과

• 표준 영상 데이터베이스에서 고정된 해밍 거리 임계값보다 퍼지 브루트 포스 방법이 더 많은 정확한 매칭을 달성했다.
• 퍼지 논리의 불확실성에 대한 내성 덕분에 장면, 조명 및 영상 조건의 변화에 대해 더 뛰어난 강건성을 보였다.
• 퍼지 소속 함수가 특징 유사성의 모호성을 효과적으로 포착하여 임의의 임계값 설정에 대한 의존도를 감소시켰다.
• 특히 도전적인 영상 환경에서 기존 방법보다 매칭 정확도 측면에서 뛰어난 성능을 보였다.
• 압축된 퍼지 집합의 사용으로 효율적인 계산을 실현하면서도 높은 매칭 신뢰성을 유지했다.
• 결과적으로 퍼지 논리는 이진 특징 매칭의 본질적 부정확성 처리에 매우 적합함을 확인했다.