Scale-invariant feature transform - Versionsgeschichte

Coronium: Nutze Vorlage Patent

2022-12-28T07:01:25Z

Nutze Vorlage Patent

← Nächstältere Version		Version vom 28. Dezember 2022, 09:01 Uhr
Zeile 1:		Zeile 1:
	'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z. B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].		'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z. B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].

	Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Die [[University of British Columbia]] hatte an dem Algorithmus ein US-[[Patent]] inne.<ref>~~[http://www.google.com/patents/US6711293~~ US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] ~~(engl~~.)</ref> Die grundlegenden Konzepte von SIFT finden sich in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z. B. [[SURF]], Affine-SIFT, PCA-SIFT).		Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Die [[University of British Columbia]] hatte an dem Algorithmus ein US-[[Patent]] inne.<ref>{{Patent\| Land=US\| V-Nr=6711293\| Code=B1\| Titel=Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image\| A-Datum=2000-03-06\| V-Datum=2004-03-23\| Anmelder=The University of British Columbia\| Erfinder=David G. Lowe}}</ref> Die grundlegenden Konzepte von SIFT finden sich in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z. B. [[SURF]], Affine-SIFT, PCA-SIFT).

	== Literatur ==		== Literatur ==

176.198.54.190 am 20. Mai 2020 um 12:24 Uhr

2020-05-20T12:24:14Z

← Nächstältere Version		Version vom 20. Mai 2020, 14:24 Uhr
Zeile 1:		Zeile 1:
	'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z. B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].		'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z. B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].

	Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. ~~Allerdings hat die~~ [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich ~~jedoch~~ in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z. B. [[SURF]], Affine-SIFT, PCA-SIFT).		Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Die [[University of British Columbia]] hatte an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z. B. [[SURF]], Affine-SIFT, PCA-SIFT).

	== Literatur ==		== Literatur ==

Aka: Abkürzung korrigiert

2018-01-24T12:49:30Z

Abkürzung korrigiert

← Nächstältere Version		Version vom 24. Januar 2018, 14:49 Uhr
Zeile 1:		Zeile 1:
	'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z.B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].		'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z. B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].

	Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z.B. [[SURF]], Affine-SIFT, PCA-SIFT).		Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z. B. [[SURF]], Affine-SIFT, PCA-SIFT).

	== Literatur ==		== Literatur ==

Ureinwohner: lf

2017-11-17T21:15:57Z

← Nächstältere Version		Version vom 17. November 2017, 23:15 Uhr
Zeile 1:		Zeile 1:
	'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z.B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].		'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z.B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].

	Der Algorithmus wurde im Jahre 1999 von [[David Lowe\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z.B. [[SURF]], Affine-SIFT, PCA-SIFT).		Der Algorithmus wurde im Jahre 1999 von [[David Lowe (Informatiker)\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z.B. [[SURF]], Affine-SIFT, PCA-SIFT).

	== Literatur ==		== Literatur ==

Aka: Halbgeviertstrich

2017-11-10T21:17:29Z

Halbgeviertstrich

← Nächstältere Version		Version vom 10. November 2017, 23:17 Uhr
Zeile 4:		Zeile 4:

	== Literatur ==		== Literatur ==
	* David G. Lowe: ''Object Recognition from Local Scale-Invariant Features''. In: ''ICCV '99 Proceedings of the International Conference on Computer Vision''. Band 2, Seiten ~~1150-1157~~ ([http://www.cs.ubc.ca/~lowe/papers/iccv99.pdf online])		* David G. Lowe: ''Object Recognition from Local Scale-Invariant Features''. In: ''ICCV '99 Proceedings of the International Conference on Computer Vision''. Band 2, Seiten 1150–1157 ([http://www.cs.ubc.ca/~lowe/papers/iccv99.pdf online])
	* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten ~~91-110~~, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])		* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten 91–110, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])
	* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)		* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)
	* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 ([http://www.ipb.uni-bonn.de/fileadmin/publication/pdf/Labe2006Automatic.pdf online])		* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 ([http://www.ipb.uni-bonn.de/fileadmin/publication/pdf/Labe2006Automatic.pdf online])

Anton Sevarius: Klammern korrigiert | Klammerfehler - Helfer gesucht

2016-02-11T09:57:20Z

Klammern korrigiert | Klammerfehler - Helfer gesucht

← Nächstältere Version		Version vom 11. Februar 2016, 11:57 Uhr
Zeile 7:		Zeile 7:
	* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten 91-110, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])		* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten 91-110, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])
	* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)		* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)
	* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 (http://www.ipb.uni-bonn.de/fileadmin/publication/pdf/Labe2006Automatic.pdf online])		* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 ([http://www.ipb.uni-bonn.de/fileadmin/publication/pdf/Labe2006Automatic.pdf online])
	* David G. Lowe: ''Method and Apparatus for Identifying Scale Invariant Features in an image and use of same for locating an object in an image'' Patent US 6,711,293 B1, veröffentlicht am 23. März 2004		* David G. Lowe: ''Method and Apparatus for Identifying Scale Invariant Features in an image and use of same for locating an object in an image'' Patent US 6,711,293 B1, veröffentlicht am 23. März 2004

Randonneur: /* Literatur */ defekten Weblink korrigiert

2016-02-01T16:30:23Z

Literatur: defekten Weblink korrigiert

← Nächstältere Version		Version vom 1. Februar 2016, 18:30 Uhr
Zeile 7:		Zeile 7:
	* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten 91-110, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])		* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten 91-110, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])
	* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)		* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)
	* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 ([http://www.ipb.uni-bonn.de/~~papers~~/~~2006~~/~~laebe06.automatic~~.pdf online])		* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 (http://www.ipb.uni-bonn.de/fileadmin/publication/pdf/Labe2006Automatic.pdf online])
	* David G. Lowe: ''Method and Apparatus for Identifying Scale Invariant Features in an image and use of same for locating an object in an image'' Patent US 6,711,293 B1, veröffentlicht am 23. März 2004		* David G. Lowe: ''Method and Apparatus for Identifying Scale Invariant Features in an image and use of same for locating an object in an image'' Patent US 6,711,293 B1, veröffentlicht am 23. März 2004

141.83.146.129 am 25. September 2015 um 11:57 Uhr

2015-09-25T11:57:51Z

← Nächstältere Version		Version vom 25. September 2015, 13:57 Uhr
Zeile 1:		Zeile 1:
	'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler M[[Interest-Operator\|~~erkmale~~]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z.B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].		'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler [[Interest-Operator\|Merkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z.B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].

	Der Algorithmus wurde im Jahre 1999 von [[David Lowe\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z.B. [[SURF]], Affine-SIFT, PCA-SIFT).		Der Algorithmus wurde im Jahre 1999 von [[David Lowe\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z.B. [[SURF]], Affine-SIFT, PCA-SIFT).

Aegirxx: Umstrukturiert. Originalpaper in Lit. aufgenommen.

2015-06-04T08:29:00Z

Umstrukturiert. Originalpaper in Lit. aufgenommen.

← Nächstältere Version		Version vom 4. Juni 2015, 10:29 Uhr
Zeile 1:		Zeile 1:
	'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur ~~Extraktion~~ lokaler [[Interest-Operator\|~~Bildmerkmale~~]] ~~aus [[Optische~~ ~~Abbildung\|Abbildungen]]~~. Er ~~kann~~ ~~vor~~ ~~allem~~ ~~bei~~ ~~der~~ [[~~Bildregistrierung~~]] ~~verwendet~~ ~~werden~~. Er ~~wurde~~ ~~von~~ ~~[[David~~ ~~Lowe\|David~~ G. ~~Lowe]]~~ an ~~der~~ ~~[[University~~ of ~~British~~ ~~Columbia]]~~ im ~~Jahre~~ ~~1999~~ ~~veröffentlicht.~~ ~~Die~~ ~~Universität~~ ~~hat~~ an ~~dem~~ ~~Algorithmus~~ ~~ein~~ ~~US-~~[[~~Patent~~]] ~~inne.<ref>[http://www.google.com/patents/US6711293~~ US ~~6711293~~ ~~B1:~~ ~~Method~~ ~~and~~ ~~apparatus~~ ~~for~~ ~~identifying~~ ~~scale~~ ~~invariant~~ ~~features~~ in an ~~image~~ ~~and~~ ~~use~~ of ~~same~~ ~~for~~ ~~locating~~ an ~~object~~ in an ~~image~~] ~~(engl~~.~~)</ref>~~		'''Scale-invariant feature transform''' ([[Englische Sprache\|engl.]], „''skaleninvariante Merkmalstransformation''“, kurz '''SIFT''') ist ein [[Algorithmus]] zur Detektion und Beschreibung lokaler M[[Interest-Operator\|erkmale]] in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die [[Objekterkennung]] entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der [[Bildverarbeitung]] zum Einsatz. Darunter z.B. die [[Bildregistrierung]] bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen ([[Stitching]]), Objektverfolgung in Videos, [[Simultaneous Localization and Mapping\|Navigation]] von Robotern oder [[Gestenerkennung]].

			Der Algorithmus wurde im Jahre 1999 von [[David Lowe\|David G. Lowe]] veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Allerdings hat die [[University of British Columbia]] an dem Algorithmus ein US-[[Patent]] inne.<ref>[http://www.google.com/patents/US6711293 US 6711293 B1: Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image] (engl.)</ref> Die grundlegenden Konzepte von SIFT finden sich jedoch in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z.B. [[SURF]], Affine-SIFT, PCA-SIFT).
	Die Bilder werden im ersten Schritt mit einem [[Gauß-Filter]] geglättet, um sie vom [[Bildrauschen]] zu bereinigen. Das Bild wird danach in lokale Merkmalspunkte unterteilt, die unempfindlich gegen perspektivische Verzerrung sind. Markant sind Objekte, deren Eigenschaften von ihrem Hintergrund abweichen. Sie lassen sich durch ihre [[Histogramm]]e kennzeichnen, deren Merkmale in [[Vektor]]en gespeichert werden, die zum Vergleich dienen.

	Die extrahierten Merkmale sind unempfindlich gegenüber [[Koordinatentransformation]]en wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen.

	Für die [[Objekterkennung]] können mit Hilfe des [[RANSAC-Algorithmus]] die Daten von mehreren, zufällig gewählten Merkmalspunkten verschiedener Abbildungen auf eine Übereinstimmung verglichen werden. Verwendung findet dies beispielsweise beim [[Stitching]].

	== Literatur ==		== Literatur ==
	* David G. Lowe: ''~~Distinctive~~ ~~Image~~ ~~Features~~ ~~from~~ Scale-Invariant ~~Keypoints~~'' In: ''~~International~~ ~~Journal~~ of Computer Vision''. Band ~~60, Nr.~~ 2, Seiten 91-~~110,~~ ~~2004~~ ([http://www.cs.ubc.ca/~lowe/papers/iccv99.pdf online])		* David G. Lowe: ''Object Recognition from Local Scale-Invariant Features''. In: ''ICCV '99 Proceedings of the International Conference on Computer Vision''. Band 2, Seiten 1150-1157 ([http://www.cs.ubc.ca/~lowe/papers/iccv99.pdf online])
			* David G. Lowe: ''Distinctive Image Features from Scale-Invariant Keypoints'' In: ''International Journal of Computer Vision''. Band 60, Nr. 2, Seiten 91-110, 2004 ([http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf online])
	* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)		* Matthew Brown, David Lowe: ''Automatic Panoramic Image Stitching using Invariant Features.'' In: ''[[International Journal of Computer Vision]]''. Band 74, Nr. 1, August 2007 ([http://www.cs.bath.ac.uk/brown/papers/ijcv2007.pdf online]; PDF; 3,7 MB)
	* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 ([http://www.ipb.uni-bonn.de/papers/2006/laebe06.automatic.pdf online])		* Thomas Läbe, [[Wolfgang Förstner]]: ''Automatic relative orientation of images.'' In: ''Proceedings of the 5th Turkish-German Joint Geodetic Days, March 29th - 31st, 2006''. Berlin, ISBN 3-9809030-4-4 ([http://www.ipb.uni-bonn.de/papers/2006/laebe06.automatic.pdf online])

Aegirxx: Nach Kat. Bildverarbeitung verschoben

2015-05-31T20:16:04Z

Nach Kat. Bildverarbeitung verschoben

← Nächstältere Version		Version vom 31. Mai 2015, 22:16 Uhr
Zeile 20:		Zeile 20:
	<references/>		<references/>

	[[Kategorie:~~Algorithmus (Computergrafik)~~]]		[[Kategorie:Bildverarbeitung]]
	[[Kategorie:Panoramafotografie]]		[[Kategorie:Panoramafotografie]]