목차
개발배경
알고리즘의 이해
알고리즘의 특징
SIFT를 활용한 국내 연구
알고리즘의 이해
알고리즘의 특징
SIFT를 활용한 국내 연구
본문내용
수치사진측량특론-Project SIFT (Scale Invariant Feature Transform)
개발배경
┗━━━━━━━━━━─────────…
❖ 매우 고유한 특징– Good Matching
❖ 상세 서술자 – 높은 고유성
❖ 불변성
▪ 스케일 – 확대/재배열
▪ 평면상의 회전
❖ 부분적인 불변성
▪ 밝기의 변화
▪ 평면 밖의 회전
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
≪ 사 진 ≫
알고리즘의 이해
┗━━━━━━━━━━─────────…
❖ 알고리즘 흐름도
Detector
1. Scale-space extrema detection
2. Accurate Keypoint Localization
Descriptor
3. Orientation assignment
4. Keypoint descriptor
개발배경
┗━━━━━━━━━━─────────…
❖ 매우 고유한 특징– Good Matching
❖ 상세 서술자 – 높은 고유성
❖ 불변성
▪ 스케일 – 확대/재배열
▪ 평면상의 회전
❖ 부분적인 불변성
▪ 밝기의 변화
▪ 평면 밖의 회전
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
≪ 사 진 ≫
알고리즘의 이해
┗━━━━━━━━━━─────────…
❖ 알고리즘 흐름도
Detector
1. Scale-space extrema detection
2. Accurate Keypoint Localization
Descriptor
3. Orientation assignment
4. Keypoint descriptor