Scale-invariant feature transform

Scale-invariant feature transform

Scale-invariant feature transform (engl., „skaleninvariante Merkmalstransformation“, kurz SIFT) ist ein Algorithmus zur Extraktion lokaler Bildmerkmale aus Abbildungen. Er kann vor allem bei der Bilderkennung verwendet werden. Er wurde von David G. Lowe an der University of British Columbia im Jahre 1999 veröffentlicht. Die Universität hat an dem Algorithmus ein US-Patent inne.

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 Histogramme kennzeichnen, deren Merkmale in Vektoren gespeichert werden, die zum Vergleich dienen.

Die extrahierten Merkmale sind unempfindlich gegenüber Koordinatentransformationen 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 mit dem Programm Autostitch von Lowe.

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 (online)
  • Matthew Brown, David Lowe: Automatic Panoramic Image Stitching using Invariant Features. In: International Journal of Computer Vision. Band 74, Nr. 1, August 2007 (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 (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

Weblinks


Wikimedia Foundation.

Игры ⚽ Нужна курсовая?

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Scale-invariant feature transform — Feature detection Output of a typical corner detection algorithm …   Wikipedia

  • Scale-invariant feature transform — Exemple de résultat de la comparaison de deux images par la méthode SIFT (Fantasia ou Jeu de la poudre, devant la porte d’entrée de la ville de Méquinez, par Eug …   Wikipédia en Français

  • Scale space — theory is a framework for multi scale signal representation developed by the computer vision, image processing and signal processing communities with complementary motivations from physics and biological vision. It is a formal theory for handling …   Wikipedia

  • Scale invariance — In physics and mathematics, scale invariance is a feature of objects or laws that do not change if length scales (or energy scales) are multiplied by a common factor. The technical term for this transformation is a dilatation (also known as… …   Wikipedia

  • Feature detection (computer vision) — In computer vision and image processing the concept of feature detection refers to methods that aim at computing abstractions of image information and making local decisions at every image point whether there is an image feature of a given type… …   Wikipedia

  • Feature extraction — In pattern recognition and in image processing, Feature extraction is a special form of dimensionality reduction.When the input data to an algorithm is too large to be processed and it is suspected to be notoriously redundant (much data, but not… …   Wikipedia

  • Scale space implementation — Scale space Scale space axioms Scale space implementation Feature detection Edge detection Blob detection Corner detection …   Wikipedia

  • Object recognition (computer vision) — Feature detection Output of a typical corner detection algorithm …   Wikipedia

  • Blob detection — Feature detection Output of a typical corner detection algorithm …   Wikipedia

  • Object recognition — in computer vision is a task of finding given object in an image or video sequence. Humans recognize a multitude of objects in images with little effort, despite the fact that the image of the objects may vary somewhat in different view points,… …   Wikipedia

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”