DESCRIPTOR DE CARACTERÍSTICAS LOCALES PARA IMÁGENES DIGITALES BASADO EN LA ESTRUCTURA DE LAS TELARAÑAS

Abstract

Encontrar las correspondencias entre dos imágenes digitales de una misma escena u objeto es una de las tareas más importantes en una amplia variedad de aplicaciones de visión computacional, como pueden ser la calibración de cámaras, registro de imágenes, reconocimiento de objetos, navegación visual, etc. Recientemente, el desarrollo de detectores de características invariantes al escalamiento y la rotación se ha vuelto un problema de investigación de gran importancia, y como resultado de esto, una gran variedad de dichos detectores han sido propuestos. Algunos de los detectores de características más típicamente utilizados incluyen los detectores de Diferencia Gaussiana (DoG), detectores basados en el método de detección de Harris y los detectores basados en el cómputo del Hessiano de la imagen. Una vez que un conjunto de puntos clave distintivos (características) ha sido encontrado, es posible construir un descriptor para cada uno de estos puntos. En ocasionas algunas características de la imagen como el color o la intensidad de los pixeles en una vecindad alrededor del punto de interés son utilizadas para construir descriptores. En otras casos, la respuesta a ciertos tipos de filtros pueden también ser utilizados para generar una descripción detallada de los puntos característicos en la imagen. En el año 2004 David Lowe propone el algoritmo de detección de características SIFT (Scale Invariant Feature Transform), el cual computa muestras de la magnitud y orientación del gradiente local de la imagen alrededor de un punto de interés para generar un descriptor. Posteriormente, en el año 2006, Bay et al. Proponen el algoritmo de nombre SURF (Speeded-Up Robust Features), un detector y descriptor de características invariante al escalamiento y la rotación que toma ventaja de las propiedades de la Imagen Integral para obtener aproximaciones rápidas del Hessiano de la imagen digital. Métodos más recientes de descripción de características incluyen el algoritmo FREAK (Fast Retina Keypoints) y BRISK (Binary Robust Invariant Scalable Keypoints), los cuales emplean comparaciones binarias sobre la información de píxel para una característica local dada.