kuvanpiirteet

Kuvanpiirteet ovat visuaalisia ominaisuuksia, joita voidaan havaita ja mitata kuvan sisällöstä. Ne kuvaavat esimerkiksi värin jakautumista, tekstuuria, ääriviivoja sekä muotoja, ja niitä käytetään kuvan sisällön tunnistamiseen, vertailuun sekä rekonstruktiin. Piirteet voivat olla globaalisti kuvaavia, jolloin ne edustavat koko kuvaa, tai paikallisesti havaittavia, jolloin ne liittyvät yksittäisiin kuvan alueisiin tai avainsolmuihin.

Globaalit piirteet, kuten värihistogrammi tai tekstuurin tilastolliset ominaisuudet, kuvaavat koko kuvan ominaisuutta. Lokaalit piirteet ovat avainsolmuja, joissa etsitään kiinnostuksen kohteita ja lasketaan niille kuvausvektorit (deskriptorit). Esimerkkejä paikallisista piirteistä ovat Harris-kulmapisteet, SIFT-, SURF- ja ORB -piirteet sekä reuna- ja blob-pohjaiset piirteet, kuten Canny-reunat ja Laplacian of Gaussian (DoG). Käytännössä piirteet voidaan löytää ja niiden kuvausvektorit laskea sekä perinteisillä menetelmillä että nykyaikaisilla oppimismenetelmillä.

Piirteiden yhdistämisessä (feature matching) verrataan kuvausvektoreita ja etsitään vastaavuuksia eri kuvien välillä. Tämän jälkeen voidaan suorittaa esimerkiksi kuvien tai kappaleiden yhdistäminen panoramaksi, kolmiulotteinen rekonstruktio (Structure from Motion), tai robotien ja AR-sovellusten paikannus ja kartoittaminen (SLAM). Viimeaikainen kehitys on siirtänyt entistä suuremman osan piirteiden oppimisesta syväoppimisen malleihin, jotka oppivat piirteitä kontekstin ja suurien datasetien perusteella. Tämä tarjoaa usein kestävämpiä ja tunnistettavampia piirteitä, mutta vaatii huomattavia laskentakustannuksia ja datan laadun hallintaa.

Kuvanpiirteet ovat keskeinen osa monia sovelluksia kuvankäsittelyssä, tietokonenäössä ja robotiikassa, sekä perinteisissä että syväoppimiseen pohjautuvissa järjestelmissä.