hjørnedeteksjon

Hjørnedeteksjon er en teknikk innen bildebehandling og datamaskinsyn som identifiserer hjørner og hjørneliknende punkter i et bilde. En hjørnepunkt har betydelige endringer i intensitet i minst to retninger, noe som gjør det stabilt mot små posisjonsforandringer og varierende belysning og lett å spore mellom bilder.

De mest kjente metodene er Harris-hjørnedetektor og Shi–Tomasi-kriteriet. Harris-hjørnedetektor (1988) beregner en lokalt gråtonematrise M fra gradientene innenfor et vindu og definerer en hjørnerespons R = det(M) - k·tr(M)^2, der k er en empirisk konstant. Punkter med høy R anses som hjørner. Shi–Tomasi-tilnærmingen (1994) bruker den minste eigenverdien til M; punkter med stor minste eigenverdi regnes som hjørner og gir ofte bedre robusthet og stabilitet. I tillegg finnes raskere varianter som FAST (Features from Accelerated Segment Test), som tester intensitetsforandringer i en sirkulær prøveseksjon og er spesielt tilpasset sanntidsapplikasjoner.

I praksis innebærer hjørnedeteksjon vanligvis gradientberegning (for eksempel med Sobel-operatører), bygning av M over bildet, samt non-maximum suppression og terskling for å få distinkte hjørner. Ofte brukes subpixel-refinering for høy presisjon. Notable utfordringer inkluderer manglende skala- og rotasjonsinvarianse uten multiskala-tilnærminger, følsomhet for støy og varierende belysning, samt behov for filtrering for å unngå dupliserte eller dårlige hjørner.

Bruksområder inkluderer panoramastilling, optisk flyt og videosporing, 3D-rekonstruksjon og robotikk/SLAM. Hjørnedeteksjon fungerer ofte som et raskt og stabilt grunnlag for videre beskrivere og matchingsprosesser.