SIFT Algorithm Introduction
-
Upload
truong-ld -
Category
Technology
-
view
312 -
download
0
Transcript of SIFT Algorithm Introduction
Nhận Dạng Đối Tượng
Đề tài NCKH sinh viên
GVHD: ThS. Trương Thế ChuyênThS. Phạm Thế AnhThS. Lê Đình Danh
Nhóm Sinh viên: Lê Đình TrườngLê Văn HàoLê Ngọc Thanh
NỘI DUNG Tổng quan Thuật toán SIFT
Dò tìm cực trị cục bộ Trích xuất Keypoint Gắn hướng cho các Keypoint Tạo mô tả cho mỗi Keypoint Đối sánh 2 tập Keypoint
Minh họa kết quả Kết luận
TỔNG QUAN
Ngày nay ứng dụng nhận dạng đối tượng được trải rộng khắp các mặt cuộc sống.
Kĩ thuật hiệu quả nhất hiện nay là sử dụng đặc trưng bất biến của ảnh
SIFT (Scale - Invarian Feature Transform) là giải thuật tiền đề trong kĩ thuật này
THUẬT TOÁN SIFT
SIFT do David Lowe đề xuất có nhiều ưu điểm và hiệu quả cao
SIFT sử dụng các điểm đặc biệt cục bộ làm đặc trưng bất biến cho ảnh và làm cơ sở đối sánh, nhận dạng ảnh.
Thuật toán có 5 giai đoạn chính
1/ TÌM CỰC TRỊ CỤC BỘ
Sử dụng hàm sai khác DoG()D(x,y,σ) = L(x,y,kσ) – L(x,y,σ) = (G(x,y,kσ) – G(x,y, σ)) * I(x,y)
1/ TÌM CỰC TRỊ CỤC BỘ
Tìm các điểm cực trị trong không gian đo:
2/ TRÍCH XUẤT KEYPOINT
Sử dụng phép nội suy lân cận cho vị trí đúng của candidate Keypoint, sử dụng khai triển mở rộng Taylor
Loại trừ điểm có tính tương phản kémLoại bỏ các điểm dư thừa theo biên
3/ GẮN HƯỚNG CHO KEYPOINT Mỗi keypoint được gắn 1 hoặc nhiều
hướng dựa theo biên độ Gradient
4/ TẠO MÔ TẢ CHO KEYPOINT Mỗi bộ mô tả của mỗi keypoint là khác
nhau tạo tính bất biến với độ sáng, góc nhìn 3D …
Cấu trúc bộ mô tả gồm biểu đồ ma trận 4x4 với 8 ngăn -> 128 phần tử
5/ ĐỐI SÁNH
Tìm từng keypoint tương ứng trong tập keypoint ở mỗi ảnh và từ đó tạo ra tập keypoint so khớp nhau.
1021 882 98
NHẬN DẠNG ĐỐI TƯỢNG
KẾT LUẬN
Ưu điểm của SIFT là dùng các điểm bất biến với độ sáng, xoay, thu phóng … làm đặc trưng đối sánh
Hạn chế của SIFT là tốc độ trích xuất keypoint và chi phí đối sánh còn lớn
Hướng nghiên cứu tiếp theo là cải tiến tốc độ đối sánh bằng cách hạn chế số lượng keypoint