尺度不變特徵轉換
維基百科,自由的 encyclopedia
尺度不變特徵轉換(Scale-invariant feature transform 或 SIFT)是一種機器視覺的演算法用來偵測與描述影像中的局部性特徵,它在空間尺度中尋找極值點,並提取出其位置、尺度、旋轉不變數,此演算法由 David Lowe 在1999年所發表,2004年完善總結。 [1] 後續的論文中也有許多基於 SIFT 改進的論文,例如 SURF 將 SIFT 的許多過程近似,達到加速的效果;PCA-SIFT利用主成分分析降低描述子的維度,減少記憶體的使用並加快配對速度。
其應用範圍包含物體辨識、機器人地圖感知與導航、影像縫合、3D模型建立、手勢辨識、影像追蹤和動作比對。