수치사진측량특론-ProjectSIFT (Scale Invariant Feature Transform)
매우 고유한 특징? Good Matching
상세 서술자 ? 높은 고유성
불변성
스케일 ? 확대/재배열
평면상의 회전
부분적인 불변성
밝기의 변화
평면 밖의 회전
개발배경
*
개발배경
SIFT 알고리즘 개요
2004년 David G. Lowe에 의해 제안
SIFT-Scale Invariant Feature Transform

불변한 특징…
- 이미지의 크기
- 회전

부분적인 불변 특징…
- 밝기 값의 변화
- 3D 카메라 시점의 변화
- 폐색, 클러스터, 노이즈
*
Image Engineering Lab.
*
알고리즘의 이해
알고리즘 흐름도


Scale-space extrema detection
Accurate Keypoint Localization



Orientation assignment
Keypoint de스크립트or

Detector
De스크립트or
Scale-space extrema detection
Accurate Keypoint Localization



Orientation assignment
Keypoint de스크립트or

Image Engineering Lab.
*
알고리즘의 이해
Scale-space extrema detection
Scale 공간에서의 극값(extrema)은 안정한 영상의 특징이 된다.
f
region size
bad
bad
Good !
LoG(Laplacian of Gaussian) vs DoG(Difference of Gaussian)
- DoG함수는 scale-normalized LoG 함수와 근사함수
Image Engineering Lab.
*
알고리…(생략)

즘의 이해
Scale-space extrema detection

Convolve with
Gaussian
Downsample
DoG의 개념
Image Engineering Lab.
*
알고리즘의 이해
Scale-space extrema detection

DoG의 개념
Image Engineering Lab.
*
알고리즘의 이해
Scale-space extrema detection

극값 추출
의 각 샘플점을 이웃한 Scale의 3*3*3영역의 26개의 점과 비교하여 최소 또는 최대값 추출 ? 특징점(Keypoint) 후보군

Image Engineering Lab.
*
알고리즘의 이해
알고리즘 흐름도


Scale-space extrema detection
Accurate Keypoint Localization



Orientation assignment
Keypoint de스크립트or

Detector
De스크립트or
Scale-space extrema detection
Accurate Keypoint Localization



Orientation assignment
Keypoint de스크립트or

Image Engineering Lab.
*
알고리즘의 이해
Accurate keypoint localization
Sub-pixel 단위의 극점과 극값 추출

Image Engineering Lab.
*
알고리즘의 이해
Accurate keypoint localization


불필요한 특징점 제거
영상의 픽셀값을 [0,1]로 정규화 ? 값이 0.03보다 작을 경우 제거

Image Engineering Lab.
*
알고리즘의 이해
Keypoint localization a