Featuredetectie

Featuredetectie is een verzamelnaam voor algoritmen die in beelden kenmerken identificeren die als robuust en herhaalbaar worden beschouwd. Deze kenmerken kunnen sleutelpunten, hoeken of blobs zijn en dienen als referentiepunten voor verdere beeldanalyse. Het doel is om kenmerken te vinden die onder verschillende belichting, schaal en oriëntatie herkenbaar blijven, zodat beelden met elkaar kunnen worden vergeleken of gecombineerd.

In de praktijk wordt onderscheid gemaakt tussen detectie en beschrijving. Detectie zoekt naar sleutelpunten in een afbeelding, terwijl beschrijving bij elk sleutelpunt een descriptor genereert die de lokale beeldinformatie samenvat. Descriptors maken dat punten uit verschillende afbeeldingen corresponding kunnen worden gemaakt, wat essentieel is voor taken als beeldregistratie en 3D-reconstructie.

Veel gebruikte detectoren zijn hoekdetectoren zoals Harris en Shi-Tomasi, die op zoek gaan naar drukpunten in de lokale structuur; blobdetectoren zoals Difference of Gaussians (DoG) of Laplacian of Gaussians (LoG); en snelle detectors zoals FAST. Voor descriptors zijn SIFT, SURF, BRIEF en ORB bekend. SIFT en SURF bieden vaak robuuste invariantie tegen schaal en rotatie, terwijl ORB vooral gericht is op efficiëntie en vrij van patenten.

Toepassingen van featuredetectie omvatten beeldregistratie en panorama-stitching, 3D-reconstructie, SLAM (simultane locatie-bepaling en kaartvorming), objectherkenning en augmented reality. De prestaties worden beoordeeld op herhaalbaarheid, discriminatievermogen en rekenefficiëntie, met aandacht voor invariantie tegen transformities en ruis.