Speeded Up Robust Features

Speeded Up Robust Features

Speeded Up Robust Features (SURF), que l'on peut traduire par caractéristiques robustes accélérées, est un algorithme de détection de caractéristique et un descripteur, présenté par des chercheurs de l'ETH Zurich et de la Katholieke Universiteit Leuven pour la première fois en 2006[1] puis dans une version révisée en 2008[2]. Il est utilisé dans le domaine de vision par ordinateur, pour des tâches de détection d'objet ou de reconstruction 3D.

SURF est partiellement inspiré par le descripteur SIFT, qu'il surpasse en rapidité[3] et, selon ses auteurs, plus robuste pour différentes transformations d'images. SURF est basé sur des sommes de réponses d'ondelettes de Haar 2D et utilise efficacement les images intégrales. En tant que caractéristique de base, SURF utilise une approximation d'ondelettes de Haar du détecteur de blob à base de déterminant hessien.

Sommaire

Voir aussi

Notes et références

  1. (en) Herbert Bay, Tinne Tuytelaars et Luc Van Gool, « SURF: Speeded Up Robust Features », dans 9th European Conference on Computer Vision, Graz, Autriche, 7-13 mai 2006 [lire en ligne] .
  2. (en) Herbert Bay, Andreas Ess, Tinne Tuytelaars et Luc Van Gool, « SURF: Speeded Up Robust Features », dans Computer Vision and Image Understanding, vol. 110, no 3, 2008, p. 346-359 [texte intégral] .
  3. (en) Johannes Bauer, Niko Sünderhauf et Peter Protzel, « Comparing several implementations of two recently published feature detectors », dans Proceedings of the International Conference on Intelligent and Autonomous Systems, Toulouse, 2007 [lire en ligne], p. 3 .

Liens externes

Publications

Christopher Evans, Notes on the OpenSURF Library, Université de Bristol, 2009 [lire en ligne] .

Implémentations


Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Speeded Up Robust Features de Wikipédia en français (auteurs)

Игры ⚽ Нужен реферат?

Regardez d'autres dictionnaires:

  • Speeded Up Robust Features — Dieser Artikel oder Abschnitt bedarf einer Überarbeitung. Näheres ist auf der Diskussionsseite angegeben. Hilf mit, ihn zu verbessern, und entferne anschließend diese Markierung. SURF (englisch, Speeded Up Robust Features, frei übersetzt:… …   Deutsch Wikipedia

  • Object recognition — in computer vision is a task of finding given object in an image or video sequence. Humans recognize a multitude of objects in images with little effort, despite the fact that the image of the objects may vary somewhat in different view points,… …   Wikipedia

  • Scale-invariant feature transform — Feature detection Output of a typical corner detection algorithm …   Wikipedia

  • SURF — (Speeded Up Robust Features) is a robust image descriptor that can be used in computer vision tasks. It is partly inspired by the SIFT descriptor. The standard version of SURF is several times faster than SIFT and claimed by its authors to be… …   Wikipedia

  • Scale-invariant feature transform — Exemple de résultat de la comparaison de deux images par la méthode SIFT (Fantasia ou Jeu de la poudre, devant la porte d’entrée de la ville de Méquinez, par Eug …   Wikipédia en Français

  • SURF — (englisch, Speeded Up Robust Features, frei übersetzt: „Beschleunigte, robuste Merkmale“) ist ein Algorithmus von Herbert Bay et al. zur schnellen und robusten Erkennung von Bildmerkmalen für maschinelles Sehen. SURF ersetzt die in SIFT… …   Deutsch Wikipedia

  • Object recognition (computer vision) — Feature detection Output of a typical corner detection algorithm …   Wikipedia

  • Blob detection — Feature detection Output of a typical corner detection algorithm …   Wikipedia

  • GLOH — (Gradient Location and Orientation Histogram) is a robust image descriptor that can be used in computer vision tasks. It is a SIFT like descriptor that considers more spatial regions for the histograms. The higher dimensionality of the descriptor …   Wikipedia

  • LESH — (Local Energy based Shape Histogram) is a recently proposed image descriptor in computer vision. It can be used to get a description of the underlying shape. The LESH feature descriptor is built on local energy model of feature perception, see… …   Wikipedia

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”