Distinctive Image Features From Scale Invariant Keypoints spätestens 2023

Sie suchen nach Distinctive Image Features From Scale Invariant Keypoints, heute teilen wir mit Ihnen Artikel über Scale-invariant feature transform
, der von unserem Team aus vielen Quellen im Internet zusammengestellt und bearbeitet wurde. Ich hoffe, dieser Artikel zum Thema Distinctive Image Features From Scale Invariant Keypoints ist hilfreich für Sie.

Scale invariant keypoints are distinctive features of an image that remain invariant to changes in scale. These features can be used to identify a particular image or its elements. These features are detected by detecting local maxima and minima in the scale space of the image. They are detected by using a Difference of Gaussians (DoG) filter and are often referred to as SIFT (Scale Invariant Feature Transform) features. These features are invariant to changes in scale, rotation, and illumination, making them ideal for image recognition and object detection. They are also robust to changes in viewpoint and can be used to match images taken from different angles.

Scale-invariant feature transform

Skalierungsinvariante Merkmalstransformation (Englischskaleninvariante Merkmalstransformation„, kurz SIEBEN) ist ein Algorithmus zur Erkennung und Beschreibung lokaler Merkmale in Bildern. Der Detektor und die Merkmalsbeschreibungen sind in gewissen Grenzen invariant zueinander Koordinatentransformationen wie Translation, Rotation und Skalierung. Sie sind auch robust gegenüber Beleuchtungsschwankungen, Bildrauschen und geringfügigen geometrischen Verformungen höherer Ordnung, wie sie beispielsweise durch projektive Abbildung eines Objekts aus verschiedenen Blickwinkeln im Raum verursacht werden. Ursprünglich für die Objekterkennung entwickelt, wird der Algorithmus nun auch in anderen Bereichen der eingesetzt Bildverarbeitung für den Einsatz. Darunter z. B. die Bildregistrierung oder die Erstellung von Panoramabildern aus Einzelbildern (Nähen), Objektverfolgung in Videos, Navigation von Robotern bzw Gestenerkennung.

Der Algorithmus wurde 1999 von entwickelt David G Lowe veröffentlicht und gilt in seinem Anwendungsgebiet als Referenzmethode. der Universität von British Columbia hatte einen USPatent inside Die Grundkonzepte von SIFT finden sich in diversen Weiterentwicklungen anderer Autoren wieder. Der Rechenaufwand wurde reduziert und die Robustheit der Detektor- und Merkmalsbeschreibungen verbessert (z SURFENAffine SIFT, PCA SIFT).

Literatur

  • David G Lowe: Objekterkennung aus lokalen maßstabsinvarianten Merkmalen. In: ICCV ’99 Proceedings der International Conference on Computer Vision. Band 2, Seiten 1150–1157 (online)
  • David G Lowe: Eindeutige Bildmerkmale von skaleninvarianten Keypoints In: Internationales Journal für Computer Vision. Vol. 60, Nr. 2, Seiten 91–110, 2004 (online)
  • Matthew Brown, David Lowe: Automatisches Zusammenfügen von Panoramabildern mit unveränderlichen Merkmalen. In: Internationales Journal für Computer Vision. Band 74, Nr. 1, August 2007 (online; PDF; 3,7 MB)
  • Thomas Läbe, Wolfgang Forstner: Automatische relative Ausrichtung von Bildern. In: Tagungsband der 5. Türkisch-Deutschen Gemeinsamen Geodätischen Tage, 29. – 31. März 2006. Berlin, ISBN 3-9809030-4-4 (online)
  • David G Lowe: Verfahren und Vorrichtung zum Identifizieren von maßstabsinvarianten Merkmalen in einem Bild und Verwendung derselben zum Lokalisieren eines Objekts in einem Bild Patent US 6,711,293 B1, erteilt am 23. März 2004

Web-Links

Aufzählungen

Video über Distinctive Image Features From Scale Invariant Keypoints

SIFT – Distinctive Image Features from Scale-Invariant Keypoints (Part 1/2)

Frage zu Distinctive Image Features From Scale Invariant Keypoints

Wenn Sie Fragen zu Distinctive Image Features From Scale Invariant Keypoints haben, teilen Sie uns dies bitte mit. Alle Ihre Fragen oder Vorschläge helfen uns, die folgenden Artikel zu verbessern!

Der Artikel Distinctive Image Features From Scale Invariant Keypoints wurde von mir und meinem Team aus vielen Quellen zusammengestellt. Wenn Sie den Artikel Distinctive Image Features From Scale Invariant Keypoints hilfreich finden, unterstützen Sie bitte das Team Like or Share!

Artikel bewerten Scale-invariant feature transform

Bewertung: 4–5 Sterne
Bewertungen: 6476
Aufrufe: 1560 5773

Schlüsselwörter suchen Distinctive Image Features From Scale Invariant Keypoints

-Klassiker
-Kultfilm
-Kino
-Filmkritik
-Filmanalyse
-Filmbesprechung
-Filmbeschreibung
-Regisseur
-Schauspieler
-Filmgenres
-Filmproduktion
-Filmgeschichte
-Filmmusik
-Filmeffekte
-Filmschnitt
-Filmdrehbuch
-Filmdebüt
-Filmfestival
-Kinoszene
-Kinoauswertung
#Scaleinvariant #feature #transform

http://en.wikipedia.org/wiki/Scale-invariant_feature_transform

Slides: http://www.scribd.com/doc/85721114/SIFT-Distinctive-Image-Features-from-Scale-Invariant-Keypoints

Quelle: de.wikipedia.org

Related Posts