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 דייוויד לואו הקנדי בשנת 1999.[1] האלגוריתם משמש בזיהוי אובייקטים, מיפוי, ניווט, תפירת תמונות, מידול תלת-ממדי, זיהוי מחוות, עקיבה והתאמת תמונה.[2]
תיאור
- החלקה -מבצעים על התמונה החלקה באמצעות טשטוש גאוסי(אנ') באמפליטודות שונות. פעולה זו מבצעים ברמות רזולוציה משתנה כך שנקודות עניין לא יהיה תלויות בקנה מידה (כדוגמת התקרבות לאובייקט).
- הפרש - מבצעים חיסור בין התמונות המטושטשות השונות
- חילוץ נקודות קיצון - מוצאים נקודות עניין פוטנציאליות. נקודות שהן קטנות או גבוהות מ-8 נקודות השכנות המקיפות אותן.
- סינון- מסננים נקודות בעלי קונטרסט נמוך.
- גרדיאנט - מחשבים את גרדיאנט בסביבת נקודות העניין בתלאי בגודל 4×4. סה"כ 16 תאים.
- היסטוגרמה - מבצעים היסטוגרמה עבור 8 כיוונים שונים של הגרדיאנט בכל תא. כך שמתקבל וקטור של 4×4×8=128 המתאר את סביבת נקודת העניין ובלתי תלוי למיקום סיבוב או בהירות.
שימושים
ניתן לבצע השוואה בין התיאור הווקטורי 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"