Quick tutorial about SIFT - 2010

1. Nhận Dạng Đối Tượng
Đề tài NCKH sinh viên
GVHD: ThS. Trương Thế Chuyên
ThS. Phạm Thế Anh
ThS. Lê Đình Danh
Nhóm Sinh viên: Lê Đình Trường
Lê Văn Hào
Lê Ngọc Thanh

2. NỘI DUNG
 Tổng quan
 Thuật toán SIFT
 Dò tìm cực trị cục bộ
 Trích xuất Keypoint
 Gắn hướng cho các Keypoint
 Tạo mô tả cho mỗi Keypoint
 Đối sánh 2 tập Keypoint
 Minh họa kết quả
 Kết luận

3. TỔNG QUAN
 Ngày nay ứng dụng nhận dạng đối
tượng được trải rộng khắp các mặt
cuộc sống.
 Kĩ thuật hiệu quả nhất hiện nay là sử
dụng đặc trưng bất biến của ảnh
 SIFT (Scale - Invarian Feature
Transform) là giải thuật tiền đề trong
kĩ thuật này

4. THUẬT TOÁN SIFT
 SIFT do David Lowe đề xuất có nhiều
ưu điểm và hiệu quả cao
 SIFT sử dụng các điểm đặc biệt cục bộ
làm đặc trưng bất biến cho ảnh và làm
cơ sở đối sánh, nhận dạng ảnh.
 Thuật toán có 5 giai đoạn chính

5. 1/ TÌM CỰC TRỊ CỤC BỘ
 Sử dụng hàm sai khác DoG()
D(x,y,σ) = L(x,y,kσ) – L(x,y,σ) = (G(x,y,kσ) – G(x,y, σ)) * I(x,y)

6. 1/ TÌM CỰC TRỊ CỤC BỘ
 Tìm các điểm cực trị trong không gian
đo:

7. 2/ TRÍCH XUẤT KEYPOINT
 Sử dụng phép nội suy lân cận cho vị trí
đúng của candidate Keypoint, sử dụng
khai triển mở rộng Taylor
 Loại trừ điểm có tính tương phản kém
 Loại bỏ các điểm dư thừa theo biên

8. 3/ GẮN HƯỚNG CHO KEYPOINT
 Mỗi keypoint được gắn 1 hoặc nhiều
hướng dựa theo biên độ Gradient

9. 4/ TẠO MÔ TẢ CHO KEYPOINT
 Mỗi bộ mô tả của mỗi keypoint là khác
nhau tạo tính bất biến với độ sáng, góc
nhìn 3D …
 Cấu trúc bộ mô tả gồm biểu đồ ma
trận 4x4 với 8 ngăn -> 128 phần tử

10. 5/ ĐỐI SÁNH
 Tìm từng keypoint tương ứng trong tập
keypoint ở mỗi ảnh và từ đó tạo ra tập
keypoint so khớp nhau.
1021 882 98

11. NHẬN DẠNG ĐỐI TƯỢNG

12. KẾT LUẬN
 Ưu điểm của SIFT là dùng các điểm bất
biến với độ sáng, xoay, thu phóng …
làm đặc trưng đối sánh
 Hạn chế của SIFT là tốc độ trích xuất
keypoint và chi phí đối sánh còn lớn
 Hướng nghiên cứu tiếp theo là cải tiến
tốc độ đối sánh bằng cách hạn chế số
lượng keypoint