Tesi Robotica Un coprocessore per Visual Search: Keypoint... | Page 36

2.1. FEATURE DESCRIPTION

ˆ

36

ed un —ngolo se entr—m˜i i v—lori sono gr—ndiY

gonsider—re quindi gli —utov—lori dell— m—tri™e w —sso™i—t— —d ogni pixel s—re˜˜e
quindi un ˜uon dis™rimin—nte per l— nostr— s™elt— di punti notevoli se non fosse
™he il ™—l™olo degli —utov—lori è molto oneroso d—l punto di vist— ™omput—zion—leF
ƒi sopperis™e — t—le in™onveniente ri™orrendo —ll— seguente —pprossim—zioneX

c(x, y) = λ1 λ2 − k(λ1 + λ2 )2 = det(M (x, y)) − k[traccia(M (x, y))]
sl terzo termine dell9equ—zione risult— notevolmente più sempli™e d— ™—l™ol—re
e può —n™h9esso essere utilizz—to ™ome dis™rimin—nte per i pixel dell9imm—gineF
snf—tti il ™oe0™iente ™@xDyA risulterà —lto sol—mente se entr—m˜i gli —utov—lE
ori s—r—nno v—lori —ltiF yttenuto t—le ™oe0™iente per ogni pixel pro™edi—mo
—d individu—re i pixel notevoli s™egliendo tutti quelli il ™ui ™orrispettivo ™oe0E
™iente risult— m—ggiore o ugu—le —d un— determin—t— per™entu—le del più gr—nde
™oe0™iente ™@xDyA ™—l™ol—toF

2.1.2 Dierence of Gaussian
v9—lgoritmo si pone ™ome o˜iettivo di identi(™—re le s™—leEsp—™e extrem— lo™—E
tion ossi— i punti ™he sono inv—ri—nti —i ™—m˜i—menti di s™—l— dell9imm—gine e
™he presentino un— ™ert— ro˜ustezz— —i ™—m˜i—menti di illumin—zioneD del punto
di osserv—zione e —ll9—ggiunt— —ll9imm—gine di rumore ed è st—to proposto d—l
professor vowe nel IWWW ™ome f—se inizi—le del ƒsp„F „—le ri™er™— può essere porE
t—t— — ™ompimento utilizz—ndo un— funzione ™ontinu— ™onos™iut— ™ome ƒ™—l—F
v— ƒ™—l— di un imm—gine è de(nit— ™ome l— funzione

L(x, y, σ) = G(x, y, σ) ∗ I(x, y)
™onvoluzione dell9imm—gine in input I(x, y) e dell— q—ussi—n—

G(x, y, σ) =

1
−(x2 +y 2 )/2σ 2
2πσ e

—vente v—lore medio µa I e v—ri—nz— σ —ssegn—t—F i'ettu—ndo l— ™onvoluzione
tr— l9imm—gine d—t— e l— q—ussi—n— si ottiene un— nuov— imm—gine ™he è l—
riproduzione dell9imm—gine inizi—le sfo™—t—F v9intensità dell— sfo™—tur— viene
de(nit— d—l v—lore del r—ggio σ F