A spiking neural model of HT3D for corner detection

Abstract

La obtención de características de imagen de buena calidad es de notable importancia para la mayoría de las tareas de visión artificial. Se ha demostrado que las primeras capas de la corteza visual humana están dedicadas a la detección de características. La necesidad de estas características ha hecho que la detección de líneas, segmentos y esquinas sea uno de los temas más estudiados en la visión por computador. El HT3D es una variante reciente de la transformación Hough para la detección combinada de esquinas y segmentos de línea en imágenes. Utiliza un espacio de parámetros 3D que permite la detección de segmentos en lugar de líneas enteras. Este espacio también encierra configuraciones canónicas de las esquinas de la imagen, transformando la detección de esquinas en un problema de búsqueda de patrones. Las redes neuronales de picos (SNN) se han propuesto anteriormente para múltiples tareas de procesamiento de imágenes, incluyendo la detección de esquinas y líneas usando la transformación Hough. Siguiendo estas ideas, este documento presenta y describe en detalle un modelo para implementar el HT3D como una Red Neural de Picos (Spiking Neural Network) para la detección de esquinas. Los resultados obtenidos a partir de pruebas exhaustivas de su implementación utilizando imágenes reales evidencian la corrección de la implementación de la Red Neural Spiking HT3D. Tales resultados son comparables a los obtenidos con la implementación regular del HT3D, que a su vez son superiores a otros algoritmos de detección de esquinas.

Obtaining good quality image features is of remarkable importance for most computer vision tasks. It has been demonstrated that the first layers of the human visual cortex are devoted to feature detection. The need for these features has made line, segment, and corner detection one of the most studied topics in computer vision. HT3D is a recent variant of the Hough transform for the combined detection of corners and line segments in images. It uses a 3D parameter space that enables the detection of segments instead of whole lines. This space also encloses canonical configurations of image corners, transforming corner detection into a pattern search problem. Spiking neural networks (SNN) have previously been proposed for multiple image processing tasks, including corner and line detection using the Hough transform. Following these ideas, this paper presents and describes in detail a model to implement HT3D as a Spiking Neural Network for corner detection. The results obtained froma thorough testing of its implementation using real images evince the correctness of the Spiking Neural Network HT3D implementation. Such results are comparable to those obtained with the regular HT3D implementation, which are in turn superior to other corner detection algorithms.