앞서 두 점을 매칭하기 위한 거리를 구하는 방법을 알아보았습니다. → 이미지매칭(1)
오늘은 매칭 후 매칭성능을 평가하기 여러 방법을 알아봅시다.
영상의 매칭
두 영상을 매칭하는 경우, 각 영상에서 뽑은 특징벡터를 각각 ai, bj라고 했을 때
- 첫 번째 영상의 특징벡터 ai ( 1<= i <= m )
- 두 번째 영상의 특징백터 bj ( 1<= j <= n )
서로 다른 두 영상에서 추출한 두 점 ai 와 bj가 d(ai, bj)<T를 만족하면 성공적으로 매칭되었다고 할 수 있습니다.
이때 임계값인 T를 정하는 것이 중요한 전략입니다!
- 만약 T가 낮을경우 FN비율이 많아집니다. (진짜 매칭쌍인데 실패하는 경우)
- 만약 T가 높을경우 FP비율이 많아집니다. (가짜 매칭쌍인데 맺어지는 경우)
FN과 FP라는 용어가 나왔는데, 이를 잠깐 살펴봅시다.
앞에 T(True)가 붙은 애들이 정확히 예측한 경우, F(False)가 붙은 애들이 오답으로 예측한 경우입니다.
뒤에 N과 P는 예측한 답이 False(Negative)인지, True(Positive)인지를 나타냅니다.
즉 FN이면 N이므로 False로 예측했지만, F이므로 실제 답(True)과 다른 경우입니다.
따라서 이를 고려하여 적절한 T를 찾아주어야 합니다.
ROC성능분석
매칭성능을 평가하기위해 ROC곡선을 그려봅시다.
ROC(Receiver Operating Characteristic)곡선이란, T를 조금씩 증가시키며 수집한 점 (FPR, TPR)을 이은 곡선입니다.
ROC곡선은 매개변수에 따라 거짓 긍정률과 참긍정률이 어떻게 변하는지 한 눈에 보여주므로 성능 분석에 자주 사용됩니다.
FPR(거짓 긍정률)과 TPR(참 긍정률)의 정의는 다음과 같습니다.
곡선이 왼쪽 위 구석에 가까울 수록 더 좋습니다. 왼쪽 위 구석을 지나는 곡선은 이상적인 성능을 뜻합니다.
수치 하나로 성능을 표현해야 할 때에는 곡선아래 면적을 성능지표로 사용하면 됩니다. AUC(Area Under Curve)라고 부르고 클 수록 좋습니다.
최근접 거리비율 전략
매칭쌍을 구하기 위한 또다른 방법으로 최근접 거리 비율 전략이 있습니다. 식을 살펴봅시다!
가장 가까운점 bj와 두번째 가까운점 bk를 구합니다.
두 점이 식을 만족하면 ai와 bj가 대응쌍이 됩니다.
간단한 방법이지만 높은 성능을 보입니다. SIFT또한 이러한 방법을 사용한다고 합니다.
Reference
오일석(2014), 컴퓨터 비전 Computer Vision, 한빛아카데미
'IT > 영상처리' 카테고리의 다른 글
[영상처리] 이미지매칭(3) - Nearest Neighbor Search (with kd-tree) (0) | 2021.02.07 |
---|---|
[영상처리] 이미지매칭(1) - 마할라노비스 거리 & 화이트닝 변환 (0) | 2021.01.16 |