Scale-invariant feature transform
Scale-invariant feature transform (בר"ת: SIFT), ובתרגום מילולי: "התמרת מאפיינים שאינם תלויים בקנה מידה" הוא אלגוריתם בראייה ממוחשבת לזיהוי, תיאור והתאמת מאפיינים בתמונות, שהומצא על ידי דיוויד לואו הקנדי בשנת 1999.[1] האלגוריתם משמש בזיהוי אובייקטים, מיפוי, ניווט, תפירת תמונות, מידול תלת-ממדי, זיהוי מחוות, עקיבה והתאמת תמונה.[2]
תיאור
- מבצעים על התמונה החלקה גאוסית(אנ') באמפליטודות שונות.
- מבצעים חיסור בין התמונות ומחלצים נקודות קיצון. כלומר נקודות שהן קטנות או גבוהות מ-8 נקודות השכנות המקיפות אותן. פעולה זו מבצעים ברמות רזולוציה משתנה כך שנקודות עניין לא יהיה תלויות בקנה מידה (כדוגמת התקרבות לאובייקט). מסננים נקודות בעלי קונטרסט נמוך. כך מתקבל אוסף של נקודות עניין אלו נשמרות במסד נתונים.
- מחשבים שינוי גרדיאנט בסביבת נקודות העניין. מבצעים היסטוגרמה בזוויות שונות כך שמתקבל וקטור באורך 128 המתאר את סביבת נקודת העניין.
שימושים
ניתן לבצע השוואה בין התיאור הוקטורי של נקודות העניין בין שתי תמונות במטרה למצוא זוגות של נקודות עניין בעלי מאפיינים דומים. כלומר שהמרחק וקטורי התכונה שלהם במרחב האוקלידי קטן. ולקבל את ההסתברות לנוכחות אובייקט בתמונה אחרת.
הערות שוליים
- ^ Lowe, David G. (1999). "Object recognition from local scale-invariant features" (PDF). Proceedings of the International Conference on Computer Vision. Vol. 2. pp. 1150–1157. doi:10.1109/ICCV.1999.790410.
- ^ מי שמביט בי מהצד יודע מי אני, צבר דולב 2020, "מדע גדול, בקטנה"