Hình 3.6 Không nhận dạng được đối tượng
2.4.1.1Tần số lấy mẫu theo tỷ lệ
2.4 Phương pháp “Phép biến đổi đặc trưng bất biến tỷ lệ”
2.4.1.1Tần số lấy mẫu theo tỷ lệ
Sự xác định thực nghiệm của tần số lấy mẫu làm tăng tối đa tính ổn định của các cực trị. Để xác định tần số lấy mẫu người ta sử dụng một bộ sư tập gồm 32 ảnh thực gồm nhiều loại khác nhau, bao gồm các cảnh ngoài trời, các mặt người, các bức ảnh trên không và các ảnh kỹ nghệ. Sau đó mỗi ảnh phải chịu một dãy các phép biến đổi, bao gồm phép quay, thay đổi tỷ lệ, thay đổi độ sáng và độ tương phản, và thêm tạp nhiễu ảnh. Bởi vì các thay đổi này là không tự nhiên, nên có thể dự đoán chính xác nơi mà mỗi đặc trưng trong ảnh gốc sẽ xuất hiện trong ảnh đã biến đổi, chú ý đến phép đo tính lặp lại và độ chính xác của vị trí đối với mỗi đặc trưng. Kết quả là, khả năng lặp lại cao nhất được đạt đến khi lấy mẫu 3 tỷ lệ cho mỗi quãng.
Thực nghiệm cho thấy khả năng lặp lại của các điểm khóa không tăng khi nhiều tỷ lệ hơn được lấy mẫu. Lý do là vì có nhiều cực trị địa phương hơn được phát hiện, nhưng tính trung bình các cực trị này ít ổn định và vì vậy ít có khả năng được phát hiện trong ảnh đã bị biến đổi. Số lượng các điểm khóa tăng lên cùng với việc lấy mẫu tăng của các tỷ lệ và tổng số lượng các so khớp chính xác cũng tăng. Vì sự thành công của việc nhận dạng đối tượng thường phụ thuộc nhiều vào số lượng các điểm khóa được so khớp chính xác, chứ không phải tỷ lệ phần trăm so khớp chính xác của chúng, nên đối với nhiều ứng dụng, sẽ tối ưu hơn khi sử dụng một lượng lớn các mẫu tỷ lệ. Tuy nhiên, chi phí tính toán cũng tăng cùng với số lượng này, vì vậy qua thực nghiệm chúng ta chỉ cần chọn 3 mẫu tỷ lệ trên mỗi quãng.
Tóm lại, hàm Difference-of-Gaussian của không gian tỷ lệ có một lượng lớn các cực trị và sẽ tốn nhiều chi phí để phát hiện tất cả chúng. May thay, chúng ta có thể phát hiện được một tập con ổn định và hữu ích nhất thậm chí khi việc lấy mẫu tỷ lệ trở nên tồi.