Secara umum, algoritma SIFT dapat diuraikan menjadi empat langkah:
- Deteksi titik fitur (juga disebut keypoint).
- Lokalisasi Titik Fitur.
- Penugasan orientasi.
- Pembuatan deskriptor fitur.
- Bagaimana cara kerja algoritma SIFT?
- Apa itu ekstraksi fitur sift?
- Bagaimana SIFT mencapai invarian skala?
- Bagaimana Anda meningkatkan algoritma SIFT?
- Bagaimana Anda membuat invarian kontras menyaring?
Bagaimana cara kerja algoritma SIFT?
SKALA-INVARIANT FEARD TRANFORMASI (SIFT) —Sift adalah algoritma dalam visi komputer untuk mendeteksi dan menggambarkan fitur lokal dalam gambar. Ini adalah fitur yang banyak digunakan dalam pemrosesan gambar. Proses SIFT mencakup perbedaan Gaussians (Dog) Generation, Deteksi Keypoints, dan Deskripsi Fitur.
Apa itu ekstraksi fitur sift?
Sift adalah metode ekstraksi fitur yang mengurangi konten gambar ke satu set titik yang digunakan untuk mendeteksi pola yang sama di gambar lain. Algoritma ini biasanya terkait dengan aplikasi visi komputer, termasuk pencocokan gambar dan deteksi objek.
Bagaimana SIFT mencapai invarian skala?
Fitur SIFT bersifat lokal dan didasarkan pada penampilan objek pada titik -titik minat tertentu, dan tidak berubah dengan skala dan rotasi gambar. Mereka juga kuat untuk perubahan iluminasi, kebisingan, dan perubahan kecil dalam sudut pandang.
Bagaimana Anda meningkatkan algoritma SIFT?
Untuk meningkatkan efisiensi algoritma pencocokan fitur SIFT, metode pengurangan biaya pencocokan ukuran yang sama disebutkan. Jarak Euclidean digantikan oleh kombinasi linier jarak blok kota dan jarak papan catur, dan mengurangi titik karakter dalam menghitung dengan hasil fitur bagian.
Bagaimana Anda membuat invarian kontras menyaring?
Untuk mendapatkan invarian kontras, deskriptor SIFT dinormalisasi ke jumlah unit. Dengan cara ini, entri tertimbang dalam histogram akan invarian di bawah transformasi afin lokal dari intensitas gambar di sekitar titik minat, yang meningkatkan ketahanan deskriptor gambar di bawah variasi iluminasi.