[논문 리뷰] Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images

Ebrahim Karami, Siva Prasad외 1명|arXiv (Cornell University)|2017. 10. 07.

Advanced Image and Video Retrieval Techniques참고 문헌 8인용 수 303

한 줄 요약

이 논문은 SIFT, SURF, BRIEF, ORB를 다양한 왜곡에서의 이미지 매칭에 대해 비교하고 로버스트성, 특징점, 매칭률, 속도를 평가한다.

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).

연구 동기 및 목표

• 컴퓨터 비전 및 로봇 공학 응용을 위한 강인한 이미지 매칭을 동기부여한다.
• 다양한 왜곡 하에서 고전 특징점 탐지기/디스크립터(SIFT, SURF, BRIEF, ORB) 비교
• 각 유형의 왜곡에 대해 어떤 알고리즘이 가장 강인한지 식별
• 왜곡된 이미지에 대한 정확도와 속도 간의 균형에 대한 실용적 지침 제공

제안 방법

• 원래 이미지에 서로 다른 변환을 수동으로 적용하여 왜곡된 데이터를 생성한다.
• 각 알고리즘에 대해 검출된 특징점 수, 매칭률, 실행 시간 등 주요 지표를 계산하고 비교한다.
• SIFT, SURF, BRIEF, ORB의 스케일링, 회전, 잡음, 피시아이 왜곡 및 시어링에 대한 강인성을 분석한다.
• 각 왜곡 범주에서 어떤 알고리즘이 최상의 성능을 발휘하는지 평가한다.

실험 결과

연구 질문

• RQ1 어떤 특징 매칭 기법(SIFT, SURF, BRIEF, ORB)이 각 왜곡 유형(스케일링, 회전, 잡음, 피시아이, 시어링)에 대해 가장 강인한가?
• RQ2 다른 왜곡에서 알고리즘 간 특징점, 매칭률, 실행 시간이 어떻게 다르게 나타나는가?
• RQ3 왜곡된 이미지 조건에서 매칭 방법 선택에 대해 어떤 실용적 지침을 제시할 수 있는가?
• RQ4 BRIEF와 ORB가 왜곡 하에서 SIFT 및 SURF에 비해 속도-정확도 트레이드를 제공하는가?

주요 결과

• SIFT, SURF, BRIEF, ORB는 왜곡 유형별로 서로 다른 강인성 프로필을 보인다.
• 연구는 알고리즘을 비교하기 위해 특징점 수, 매칭률, 실행 시간과 같은 지표를 보고한다.
• 논문은 평가된 매개변수에 기초하여 각 왜곡 범주에 대해 어떤 알고리즘이 최적인지 식별한다.
• 결과는 왜곡된 이미지 매칭에서 강인성과 계산 효율성 간의 트레이드오프에 대한 통찰을 제공한다.