Scale-invariant feature transform
Scale-invariant feature transform (o SIFT) és un algoritme usat en visió artificial per a extraure característiques rellevants de les imàgens que posteriorment poden usar-se en reconeiximent d'objectes, detecció de moviment, estereopsis, registre de l'image i atres tasques.
L'algoritme va ser publicat per primera volta per David Lowe en 1999[1] pero ho va descriure completament[2] i va patentar[3] en Estats Units en 2004.
Perspectiva general
El terme detecció de característiques o de punts d'interés fa referència en visió artificial a la tasca de localisar en una image punts tant rellevants sobre la cantitat d'informació del seu entorn —per eixemple per l'existència de vores o textures— com a estables front als destorbament i transformacions locals i globals que pot sofrir l'image. Açò últim garantisa que dits punts es puguen detectar de forma confiable i en molta exactitut en realisar esta tasca de forma repetitiva.
En general, un bon número dels algoritmes de detecció de característiques es basen en la detecció de cantons. Estos són invariantes a les rotacions, lo que significa que es poden trobar els mateixos punts, independentment de si l'image ha segut rotada o no. No obstant estos algoritmes no solen ser invariantes front a l'escalat perque un cantó pot deixar de ser un cantó quan l'image és escalada.
En 1999, David G. Lowe va publicar el seu primer artícul sobre Scale-invariant feature transform (SIFT), a on va descriure un algoritme de detecció de característiques invariante tant a rotacions com a l'escalat de les imàgens.
Detecció d'extrems en l'escala-espai
La primera etapa és aplicar la differencia gaussiana en distints tamanys de regió i buscar màxims locals a lo llarc tant de l'espai —determinat per les coordenades i en l'image— com de l'escala —determinada per —.
Per a una escala donada la diferencia gaussiana dona una forta resposta per a cantons de tamany tal que encaixa en dita escala. Per tant en esta etapa es compara cada punt de l'escala-espai en els valors dels seus veïns en la mateixa escala —per eixemple les seues 8 veïns més pròxims— i en les escales anteriors i posteriors —per eixemple els 9 punts veïns en l'escala immediatament anterior i els 9 punts de l'escala immediatament posterior—.
Localisació de punts d'interés
La localisació de cada punt d'interés trobat es refina a precisió sub-pixel usant l'expansió de série de Taylor de l'escala-espai. Si el valor del punt extrem trobat és menor que cert llindar, el punt és descartat.
Ademés la diferencia gaussiana també dona un forta resposta en les vores, per lo que estos deuen ser eliminats. Per a això SIFT usa una matriu hessiana per a calcular les curvatura principals, de tal forma que solament són interessants aquells punts d'interés per als abdós autovalores de la matriu hessiana no diferixen en un orde de magnitut o més; puix dits punts provablement corresponguen en vores en l'image i no en cantons.[4]
Assignació d'orientacions
A continuació s'assigna una orientació a cada punt d'interés per a garantisar l'invarianza respecte a la rotació de les imàgens.
Per a això es prenen els punts veïns entorn a cada punt d'interés —en funció de l'escala— i es calcula la magnitut i direcció del gradient. Llavors es fa un histograma de dites direccions ponderat per la magnitut del gradient. El major pico en el histograma indica l'orientació del punt d'interés. Si existixen atres picos per damunt del 80% del més important, s'usen per a crear atres punts d'interés en la mateixa posició i escala pero en diferent orientació.
Descriptor de punt d'interés
A continuació es creen els descriptores dels punts d'interés.
Per a cada punt es pren un veïnat de punts. Est, a la seua volta, es dividix en sub-blocs de tamany i per a cada u es crea un histograma d'orientacions. La concatenació en un vector dels valors de les caixes de cada histograma per als 16 sub-blocs del punt d'interés constituïx el seu descriptor.
Correspondència de punts d'interés
La correspondència entre els punts d'interés de dos imàgens s'obté a través d'una busca del punt més pròxim en l'espai dels descriptores de punts d'interés. No obstant, en ocasions el segon punt més pròxim pot estar molt prop del primer per culpa del soroll. Per això es calcula la raó entre la distància al més propenc i al segon més propenc i si esta està per damunt de cert llindar, els punts són descartats
Referències
- ↑ Lowe, D.G., "Object recognition from local scale-invariant features," Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference on , vol.2, no., pp.1150,1157 vol.2, 1999 doi: 10.1109/ICCV.1999.790410
- ↑ David G. Lowe. 2004. Distinctive Image Features from Scale-Invariant Keypoints. Int. J. Comput. Vision 60, 2 (November 2004), 91-110. DOI=10.1023/B:VISI.0000029664.99615.94
- ↑ US 6711293, "Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image". Patentat per David Lowe el 23 de març de 2004
- ↑ C. Harris and M. Stephens (1988). «A combined corner and edge detector». Proceedings of the 4th Alvey Vision Conference. pp. 147–151.
Referències
- Este artícul conté una traducció derivada de «Scale-invariant feature transform» de Wikipedia en castellà publicada baix la Llicència de documentació lliure de GNU i la Llicència Creative Commons Reconeiximent-CompartirIgual 4.0 Internacional.