Feature

특징과 기술자

특징(=관심점/관심영역)들의 주변 또는 내부를 들여다 보고 풍부한 정보를 추출 한다.

• 기술자 = 추출된 정보 / 추출하는 알고리즘
• 기술자 = 특징의 성질/특성을 기술 하는것
• 기술자 =벡터로 표현 = 특징 벡터..라고 불리기도 함 (패턴인식 분야)
  • 컴퓨터 비젼 분야는 특징벡터 보다 기술자라는 표현을 선호

관심점에서 기술자 추출 하기

• SIFT
• 이진 기술자

관심영역에서 기술자 추출 하기

• 모멘트 : 화소/화소의 명암값의 통계적 분포
• 모양(면적/둘레길이)
• 푸리에 기술자 : 푸리에 변환 후 주파수 공간에서 기술자 추출
• 텍스처(일정한 패턴의 반복) 추출 : (이 분류에 속하는지 확인 필요) :

차원을 축소 하여 기술자 추출 하기

• PCA : 고차원 벡터에서 정보 손실을 최소화 하여 저차원의 벡터를 추출 = 특징 벡터와 비슷
• PCA-SIFT : 3,042차원을 -> 20차원의 특징 벡터로 줄임

1. 특징점(Keypoint)

image의 특징을 잘 나타내줄 수 있는 부분 (eg. 꼭지점, 끝점)

1.1 꼭지점 특징점을 찾는 방법 : Corner Detector

가우시안 필터와 미분값 사용

a의 필터를 b에 적용하면 코너를 찾을수 없으므로 크기(Scale)를 크게 하여 C처럼 탐지 가능

A . 방법 1 : 필터 사이즈 키워서 Scale을 크게 - SURF Descriptor

B. 방법 2 : 이미지를 축소 하여서 Scale을 크게 - SIFT Descriptor

2. 특징(Feature) = 특징 기술자(Feature Descriptor)

특징점의 지역적 특성을 설명

특징점간 비교를 가능하게 함

특징 기술자에게 필요한 특성

• 분별력 : 서로 다른 점의 기술자는 분별 가능해야 함
• 불변 : 회전, 축소, 변형 등이 발생해도 변하지 않는 성질
• 크기 : 데이터의 크기가 작을수록 좋음

영상 Feature : SIFT, HOG, Haar, Ferns, LBP, MCT

https://darkpgmr.tistory.com/116

http://166.104.231.121/ysmoon/mip2017/lecture_note/%EC%A0%9C6%EC%9E%A5-%EC%B6%94%EA%B0%80.pdf

http://www.pointclouds.org/assets/uploads/cglibs13_features.pdf