Evaluation of image matching search engines
Kokkonen, Mikko (2019-12-18)
Evaluation of image matching search engines
(18.12.2019)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2019122049273
https://urn.fi/URN:NBN:fi-fe2019122049273
Tiivistelmä
Corner detection and feature detecting are essential parts of image matching. This master of science thesis goes through theory of image matching and how it can be used in different applications. The thesis introduces different feature detectors and convolutional neural network which are all generally used within image matching.
Data for this thesis was collected with literature review by examining image matching technologies such as speeded-up robust features feature detector. The information from image matching technologies was used in later parts of the thesis by creating an experimental image search engine and testing it with different feature detectors.
Testing the experimental search engine shows differences on how KAZE and SURF feature detectors behave with different kind of images. It also shows how different configurations like using different Hessian thresholds affect the results of image matching.
The thesis also goes through testing public image search engines with test image called Lena. Lena is a standard test image which is widely used in computer vision. This Lena image is used with different variations to see how well public image search engines perform when the image is altered. Kulmien ja ominaisuuksien tunnistaminen ovat olennainen osa kuvien vastaavuuden etsimistä. Tämä pro gradu -tutkielma käsittelee kuvan vastaavuuksien etsimisen teoriaa, sekä sen erilaisia sovelluskohteita. Tutkielma esittelee erilaisia ominaisuusilmaisimia sekä perusteet konvoluutioneuroverkoista, joita käytetään yleisesti kuvaparien vastaavuuksien tunnistamisessa.
Tietoa tähän tutkielmaan on kerätty kirjallisuuskatsauksella, joka koskee kuvan vastaavuuden etsimiseen käytettävien teknologioiden, kuten speeded-up robust features -tekniikan ominaisuusilmaisinta. Kuvien vastaavuuksien etsimiseen käytettävistä teknologioista saatua tietoa hyödynnettiin tutkielman myöhemmissä osissa luomalla kokeellinen kuvanhakukone ja kokeilemalla sitä käyttäen erilaistia ominaisuusilmaisimia.
Kokeellisella hakukoneella suoritetut testit osoittavat miten KAZE- ja SURF-ominaisuusilmaisimet eroavat toiminallisuudeltaan erilaisia kuvia tarkasteltaessa. Ne myös osoittavat miten erilaiset asetukset, kuten muutokset Hessian kynnysarvossa vaikuttavat kuvan vastaavuuden etsimisen tuloksiin.
Tutkielmassa tarkastellaan myös julkisten kuvanhakukoneiden testausta testikuva Lenan kanssa. Lena on standardi testikuva, jota käytetään yleisesti tietokonenäön kanssa. Lena-kuvan erilaiset variaatiot mahdollistavat näkemään, miten kuvanhaku käyttäytyy, kun kuvaa on muokattu.
Data for this thesis was collected with literature review by examining image matching technologies such as speeded-up robust features feature detector. The information from image matching technologies was used in later parts of the thesis by creating an experimental image search engine and testing it with different feature detectors.
Testing the experimental search engine shows differences on how KAZE and SURF feature detectors behave with different kind of images. It also shows how different configurations like using different Hessian thresholds affect the results of image matching.
The thesis also goes through testing public image search engines with test image called Lena. Lena is a standard test image which is widely used in computer vision. This Lena image is used with different variations to see how well public image search engines perform when the image is altered.
Tietoa tähän tutkielmaan on kerätty kirjallisuuskatsauksella, joka koskee kuvan vastaavuuden etsimiseen käytettävien teknologioiden, kuten speeded-up robust features -tekniikan ominaisuusilmaisinta. Kuvien vastaavuuksien etsimiseen käytettävistä teknologioista saatua tietoa hyödynnettiin tutkielman myöhemmissä osissa luomalla kokeellinen kuvanhakukone ja kokeilemalla sitä käyttäen erilaistia ominaisuusilmaisimia.
Kokeellisella hakukoneella suoritetut testit osoittavat miten KAZE- ja SURF-ominaisuusilmaisimet eroavat toiminallisuudeltaan erilaisia kuvia tarkasteltaessa. Ne myös osoittavat miten erilaiset asetukset, kuten muutokset Hessian kynnysarvossa vaikuttavat kuvan vastaavuuden etsimisen tuloksiin.
Tutkielmassa tarkastellaan myös julkisten kuvanhakukoneiden testausta testikuva Lenan kanssa. Lena on standardi testikuva, jota käytetään yleisesti tietokonenäön kanssa. Lena-kuvan erilaiset variaatiot mahdollistavat näkemään, miten kuvanhaku käyttäytyy, kun kuvaa on muokattu.