C. Trích chọn đặc trưng trong bài toán dựng mô hình 3 chiều
Để tiến hành dựng mô hình 3 chiều cho các điểm trong ảnh, mối liên hệ giữa các
ảnh phải được chỉ rõ để biết được một điểm thuộc ảnh bên này sẽ tương ứng với
điểm nào thuộc ảnh còn lại. Tuy nhiên, việc so sánh mọi điểm ảnh thuộc một ảnh với tất cả các điểm thuộc ảnh còn lại để tìm ra mối liên hệ giữa các ảnh là điều không tưởng nếu chưa qua xử lý bởi độ phức tạp quá lớn. Trong các ảnh thực, có rất nhiều điểm, miền ảnh mang tính chất đối sánh tốt hơn những điểm và miền khác. Có những điểm ảnh mà độ thay đổi cường độ xám của miền lân cận rất lớn do vậy tạo ra sự khác biệt với các điểm xung quanh. Việc tìm kiếm những điểm đối sánh tốt, hay những điểm quan tâm, là nhiệm vụ lựa chọn các điểm có sự khác biệt với những điểm khác. Sự tương ứng giữa các đặc trưng của hai ảnh sẽ được tính toán nhờ các thủ tục đối sánh ở các bước sau. Sự tương ứng này phản ánh mối liên hệ
giữa các ảnh. Trong các thuật toán dựng mô hình 3 chiều từ các ảnh, các điểm góc của các đối tượng trong ảnh là những điểm có nhiều khả năng tìm được điểm tương
ứng với chúng trên ảnh còn lại.
Đã có rất nhiều nghiên cứu và thuật toán được đưa ra về vấn đề phát hiện điểm góc. Ban đầu, các góc được phát hiện nhờ vào "độ nhọn" (sharp) của đường biên: biên của đối tượng được lưu dưới dạng mã xích, góc được phát hiện thông qua việc tìm kiếm những vị trí trên biên bị "uốn" một cách đáng kể. Kỹ thuật phát hiện góc này rất phức tạp và phải triển khai trên nhiều bước. Sau đó, L. Kitchen [7] đã đề xuất
một phương pháp để cô lập điểm góc dựa vào một số phép toán trên gradient, phương pháp này không phức tạp như kĩ thuật dựa vào độ nhọn nêu trên. Wang và Brady [6] dùng khái niệm độ cong của các đường cong đi qua một điểm để phát hiện góc. Moravec [4,5] đề xuất hàm phát hiện góc dựa trên việc dùng một cửa sổ đặt trên ảnh và xác định độ thay đổi trung bình cường độ xám khi dịch chuyển cửa sổ này theo bốn hướng. Harris và Stephens [1] cải tiến phương pháp của Moravec sử dụng đạo hàm bậc nhất... Tuy nhiên, các phương pháp trên lại rất nhạy cảm với nhiễu và phụ thuộc vào đạo hàm. Phương pháp SUSAN (Smallest Univalue Segment Assimilating Nucleus) [21] do Smith và Brady đề xuất không phụ thuộc vào công thức tính đạo hàm mà dựa trên khái niệm miền USAN (Univalue Segment Assimilating Nucleus). Trong một ảnh số, miền USAN đạt diện tích nhỏ nhất khi hạt nhân của nó trùng với điểm góc. Phương pháp SUSAN không nhạy cảm đối với nhiễu, và dễ dàng thực hiện.
2.2.3. Bài toán đối sánh
Đối sánh ảnh là công việc tìm sự tương ứng giữa hai hay nhiều ảnh (hình 2.8).P1’ và P2’ cùng là ảnh của P, trong khi Q1’ và Q2’ cùng là ảnh của Q. Tìm mối quan hệ
giữa các ảnh đầu vào là một lĩnh vực khó trong thị giác máy, đặc biệt khi các ảnh
đầu vào không có ràng buộc. Trong vòng 15 năm qua đã có rất nhiều nghiên cứu xung quanh vấn đề này.