با سلام

الگوریتم SIFT یک استراتژی تناظریابی مبتنی بر ویژگی است که توسط Lowe و جهت فرآیند شناسایی الگو در تصاویر بصری ارائه شده و از دو مرحله اصلی شامل استخراج ویژگی و ایجاد توصیفگر، تشکیل شده است.

استخراج ویژگی نیز در الگوریتم SIFT از دو مرحله ­ی اصلی شامل ۱) استخراج اکسترمم­های فضای مقیاس، ۲) بهبود دقت موقعیت و حذف اکسترمم­های ناپایدار  تشکیل شده است.

پیشتر آموزش تئوری این الگوریتم تهیه و در سایت قرار گرفت که از اینجا قابل دانلود می باشد.

در این فیلم آموزشی پس از بیان خلاصه ای از مفاهیم الگوریتم سیفت، جزئیات پیاده سازی و کدنویسی الگوریتم استخراج ویژگی SIFT در متلب به شرح زیر آموزش داده شده است:

  • ۱- ایجاد فضای مقیاس گاوسی ( Gaussian scale pyramid Space)
  • ۲- ایجاد تصاویر DOG
  • ۳-استخراج اکسترمم­های فضای مقیاس (Scale-space extrema detection)
  • ۴- حذف ویژگی های ناپایدار 
  • ۵- بهبود دقت موقعیت ویژگی ها (Accurate Keypoint localization)

هچنین کد متلب الگوریتم SIFT و فایل (word) داکیومنت تشریح استخراج ویژگی در الگوریتم SIFT نیز در این بسته آموزشی موجود می باشد.

تذکر:

تمامی ویدئوهای آموزشی مربوط به تناظریابی را می توانید از اینجا مشاهده نمایید

 

امیدورام این مجموعه آموزشی بتواند کمکی در جهت یادگیری علاقه مندان در این زمینه کرده باشد.

با تشکر