Tesi Robotica Algoritmi ed architetture per la risoluzione di... | Page 19

1.2. FEATURE DESCRIPTION

19

a individuare le caratteristiche, proprietà e peculiarità degli algoritmi di analisi
di un immagine, dobbiamo preliminarmente renderci conto dei punti comuni
che essi presentano. Base comune di tali algoritmi è la considerazione che un
approccio brute-force al problema che analizzi ogni singolo pixel che compone
una data immagine, tenti di associarlo al pixel di una seconda immagine in
modo da ricercare delle somiglianze è deprecabile per diversi motivi. Innanzitutto un analisi di tal tipo richiederebbe un costo computazionale temporale
e spaziale considerevole, constringendoci al dispendio di ingenti risorse tanto
maggiori quanto maggiori sono le dimensioni dell’immagine da elaborare. Tale considerazione viene ulteriormente aggravata se osserviamo che i pixel che
constituiscono un immagine non sono fondamentalmente indipendenti tra loro,
per cui questo tipo di impostazione condurrebbe inesorabilmente ad un tipo di
analisi ridondante. Inoltre non si avrebbe la garanzia che un tale approccio
ci fornisca e ettivamente informazioni che ci permettano poi di comprendere
il contenuto dell’immagine e di “riconoscerlo” in altre immagini che vengano
anch’esse sottoposte al medesimo tipo di analisi.
La prima fase è detta fase di interest point detection: viene eseguito il primo filtraggio dell’immagine, ovvero tra tutti i pixel che la costituiscono vengono scelti
quelli che sono i punti candidati. La ricerca di tali punti è la sola elaborazione
che interessa l’immagine nella sua interezza; le successive operazioni di analisi
riguarderanno esclusivamente i punti candidati. Tale approccio rappresenta la
risposta e cace alle due obiezioni che abbiamo precedentemente sollevato:
• O re un operazione di filtraggio iniziale dell’immagine che ha il compito di
snellire notevolmente la mole di informazioni che devono essere elaborate
e immagazzinate per le successive informazioni di matching.
• Se i punti vengono scelti con cura, in modo che esibiscano dei precisi
tipi di invarianza rispetto a determinati punti di vista, ci garantiscono
formalmente che l’essenza dell’immagine venga comunque colta.
Ciò che alla fine di erenzia i vari algoritmi è la logica su cui si basa la scelta di
questi punti, logica che dipende fondamentalmente dal tipo di applicazione che
abbiamo in mente. Ora per il prosieguo di questo lavoro non mi dilungherò su
tutti i vari tipi di algoritmi, che possono essere tranquillamente studiati e approfonditi dai documenti di cui tale letteratura è molto nutrita, ma piuttosto mi
so ermerò su uno in particolare che l’algoritmo DoG (Di erence of Gaussian),
cuore computazionale di SIFT e su alcuni strumenti matematico-tecnici di base.