Distinctive Image Features from Scale-Invariant Keypoints

Note 이 ppt 에 있는 자료들은 Lowe 의 논문들이나 google에서 찾은 feature 관련 paper, ppt 파일들을 참조해서 개인용으로 만든 것입니다.

레퍼런스들을 명시해 놓는 것이 당연하지만 많은 자료들을 짜집기해서 레퍼런스 들을 명시하지 못했습니다.

이 점을 감안해서 혹시 그림이나 사진 등을 참고할 생각이시라면 인터넷을 통해 해당하는 paper, ppt, web-page 등을 찾으셔서 레퍼런스로 활용해주시기 바랍니 다.

( 레퍼런스 자료들의 제작자 분들께 매우 죄송하다는 말을 전합니다 ㅠㅠ )

Contents

    Introduction SIFT Overview • Scale-space extrema detection • Keypoint localization • Orientation assignment • Keypoint descriptor Test and Result Conclusion

Introduction

 Ideal Interest Points / Regions

Introduction

 Harris Corner Detector • • Rotation invariance Partial invariance to affine change

Introduction

 Harris Corner Detector edge corner • Non-invariance to scale change

Introduction

 SIFT • The Scale Invariant Feature Transform • • • • Choosing features that are invariant to image scaling and rotation Partially invariant to changes in illumination and 3D camera viewpoint • Well localized in both spatial and frequency domain - Resistant to noise, clutter, and occlusion Features are highly distinctive, matched with high probability against large number of features See……  Application • Object recognition • • • • • Automatic mosaic Tracking Robot localization 3D scene modeling Panoramas

Introduction