이해해야 할 중요한 점은 키포인트를 추출한 후 자신의 위치 및 적용 범위 에 대한 정보 만 얻을 수 있다는 것 입니다 (보통 원 또는 타원으로 대략적인)에 입니다. 키포인트 위치 에 관한 정보 는 때때로 유용 할 수 있지만, 키포인트 자체에 대해서는 많이 말하지 않습니다.
키포인트 (SIFT, Harris corners, MSER)를 추출하는 데 사용 된 알고리즘에 따라 몇 가지 일반적인 특성을 알 수 있습니다. 에 따라 추출 된 키포인트의 (예 : 키, 얼룩, 모서리, 눈에 띄는 모서리를 중심으로 함)을 알 수 있지만 얼마나 다른지 알 수는 없습니다. 또는 유사한 하나의 요점은 다른 것입니다.
위치와 키포인트 영역만으로는 도움이되지 않는 두 가지 간단한 예가 있습니다.
이미지 A (흰색 배경의 곰)와 다른 이미지 B가있는 경우 A의 정확한 사본이지만 몇 픽셀로 번역됩니다. 추출 된 키포인트는 동일합니다 (곰의 같은 부분에서). 이 두 이미지는 동일하거나 유사하게 인식되어야합니다.
그러나 우리가 가진 유일한 정보가 그들의 위치이고 번역으로 인해 변경된 경우 이미지를 비교할 수 없습니다.
이미지 A (이번 오리의 경우)와 다른 이미지 B (두 배 크기를 제외하고는 A와 동일한 오리)가있는 경우 추출 된 키포인트는 동일합니다 (오리의 동일한 부분). 이것도 같은 (유사한) 이미지입니다.
그러나 모든 크기 (영역)는 달라집니다. 이미지 B의 모든 키포인트는 이미지 A의 키포인트 크기의 두 배입니다.
그래서, 여기에 설명을 제공 : 그들은 키포인트를 비교하는 방법입니다. 키포인트에 대한 몇 가지 특성을 일정한 길이의 벡터 형식으로 요약 합니다. 예를 들어, 가장 뚜렷한 방향으로 강도가 될 수 있습니다. 키포인트가 참조하는 이미지 영역에 숫자 설명을 할당합니다.
디스크립터에 중요한 몇 가지 사항은 다음과 같습니다.
키포인트 위치와 독립적 이어야합니다.
동일한 키포인트가 다른 위치에서 추출 된 경우 (예 : 번역으로 인해) 설명자는 동일해야합니다.
그들은해야합니다 이미지 변환에 대한 강력한
일부 예는 대비 변경 (예 : 맑고 흐린 날 같은 장소의 이미지) 및 원근 변경 (중앙에서 왼쪽으로의 건물 이미지, 동일한 건물로 인식하고 싶습니다)입니다. .
물론, 모든 변형에 대해 완벽하게 강력한 설명자는 없습니다 (예를 들어, 원근감이 큰 경우에는 하나의 변형에 대해).
다른 디스크립터는 다른 변환에 대해 견고하게 설계되었으며, 때로는 변환하는 데 걸리는 속도와 반대입니다.
그들은 규모에 독립적 이어야한다
디스크립터는 스케일을 고려해야합니다. 한 키포인트의 "눈에 띄는"부분이 10px의 수직선 (반경이 8px 인 원형 영역 안에 있음)과 다른 또 하나의 수직선이 5px (반경이 4px 인 원형 영역 안에 있음) 인 경우- 이 키포인트에는 유사한 설명자가 할당되어야합니다.
이제 모든 키 포스트에 대한 설명자를 계산 했으므로 해당 키포인트를 비교할 수 있습니다 . 이미지 일치에 대한 간단한 예 (이미지가 동일한 객체에 있고 장면의 동일한 부분을 나타내는 다른 이미지의 부분을 식별하거나 두 이미지 간의 원근 변화를 식별하려는 경우) 한 이미지의 모든 키포인트 설명자를 다른 이미지의 모든 키포인트 설명자와 비교합니다. 설명 자는 숫자로 구성된 벡터이므로 유클리드 거리만큼 간단한 것과 비교할 수 있습니다 . 물론 유사성 척도로 사용할 수있는 좀 더 복잡한 거리가 있습니다. 하지만 결국에는 누구의 기술자 그들 사이의 최소 거리가 키포인트 입니다 일치하는 다른 이미지에서, 예를 들어 같은 "장소"또는 "개체의 일부".
들어 더 복잡한 키포인트 / 기술자의 사용, 당신은에서 살펴 보셔야합니다 이 질문 - 특히에서 "낮은 수준의 지역 접근" 내 대답 과에서 "가방 - 중 - 단어"접근 @Maurits 대답을. 또한 해당 답변에 제공된 링크가 유용합니다.
