Performance Comparisons of Contour-Based Corner Detectors

Abstract

Corner detectors have many applications in computer vision and image identification and retrieval. Contour-based corner detectors directly or indirectly estimate a significance measure (e.g., curvature) on the points of a planar curve, and select the curvature extrema points as corners. While an extensive number of contour-based corner detectors have been proposed over the last four decades, there is no comparative study of recently proposed detectors. This paper is an attempt to fill this gap. The general framework of contour-based corner detection is presented, and two major issues-curve smoothing and curvature estimation, which have major impacts on the corner detection performance, are discussed. A number of promising detectors are compared using both automatic and manual evaluation systems on two large datasets. It is observed that while the detectors using indirect curvature estimation techniques are more robust, the detectors using direct curvature estimation techniques are faster.

Determinação de vértices para correção automática de perspectiva

“…O algoritmo para identificação dos vértices de um polígono proposto neste trabalho, doravante designado por "Área" será comparado com os quatro métodos descritos nas seções anteriores, denominados por "Corda" ( [23] e [25]), "Curvatura" ( [21] - [24]), "Hough" ( [9] - [15]) e "Harris" ( [16] - [20]). No algoritmo "Área" os vértices são determinados em duas etapas: na primeira, os picos resultantes (Figura 12) do cálculo da área de triângulos definidos por três pontos localizados no contorno de um quadrilátero projetado fornecem uma aproximação inicial da localização dos vértices.…”

“…Entre os algoritmos de processamento de imagem há uma classe de detectores de vértices cujo procedimento é baseado na determinação prévia do contorno da imagem, sendo computacionalmente mais eficientes. Uma descrição do desempenho destes algoritmos é dada por [21] e [22] onde é mostrado que, a partir do contorno da imagem de um polígono, as regiões correspondentes às maiores curvaturas ao longo do contorno corresponderão aos vértices do polígono. Neste caso a curvatura c em um ponto P localizado no contorno é dada por (2), onde γ é o ângulo formado pela reta tangente à P e à horizontal, e s é o comprimento do arco definido pelo contorno.…”

“…Observa-se que desde o trabalho pioneiro de Freeman, em 1977, até os mais recentes [32], a determinação de vértices com o Código de Cadeia é baseada no cálculo de diferenças de ângulos entre segmentos de reta que excursionam pelo contorno. Em [21] é feita uma compilação extensiva sobre este método, incluindo diversas propostas de melhorias para minimizar ruídos e otimizar a precisão. No entanto ainda que o uso de Código de Cadeia nos trabalhos relatados em [21] reduza o número de pixels sobre os quais o algoritmo é executado, há sempre várias operações com funções trigonométricas, exponenciais e vetoriais, que contribuem para a redução da eficiência computacional dos algoritmos.…”

“…Em [21] é feita uma compilação extensiva sobre este método, incluindo diversas propostas de melhorias para minimizar ruídos e otimizar a precisão. No entanto ainda que o uso de Código de Cadeia nos trabalhos relatados em [21] reduza o número de pixels sobre os quais o algoritmo é executado, há sempre várias operações com funções trigonométricas, exponenciais e vetoriais, que contribuem para a redução da eficiência computacional dos algoritmos. Já, o método para a identificação dos vértices de um polígono proposto neste trabalho denominado "Área", consiste em calcular a área A de um triângulo formado por três pixels (a De maneira análoga ao que ocorre nos trabalhos relatados em [21], um aumento do valor N melhora a rejeição a ruídos, em sacrifício da detecção de pequenos detalhes ao longo do contorno.…”

Oriented asymmetric kernels for corner detection

“…Traditional contour based corners methods focus on the processing of binary edges, by searching points having curvature in contour chains or in line segment intersections [24] [21] [2]. This type of approach might be insufficient for applications in natural images because the accuracy of corner localization relies on edge detection performance (filtering, threshold(s)).…”