文献

J-GLOBAL ID：201002200251754413   整理番号：10A1144642

「大規模画像データ処理」画像局所特徴量SIFTと最近のアプローチ

著者 (1件)： 藤吉弘亘 (中部大 工)
資料名： 人工知能学会誌  (Journal of the Japanese Society for Artificial Intelligence)
巻： 25  号： 6  ページ： 753-760  発行年： 2010年11月01日 
JST資料番号： X0330A  ISSN： 0912-8085  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： SIFT(Scale-Invariant Feature Transform)はスケールや回転変化に不変な画像局所特徴量であり,画像分類や画像合成で利用されている。本論文では,1)DoG(Difference-of-Gaussian)画像を用いた特徴点(キーポイント)の検出,及びキーポイントを中心とした特徴量記述範囲(スケール)の探索,2)キーポイントのローカライズ,3)オリエンテーションの算出,4)オリエンテーションに基づく特徴量の記述からなるSIFT処理を解説した。また,異なる画像間で抽出された各キーポイントの特徴量を比較し,スケール変化に影響されない対応点探索によって画像のマッチングを行う方法を説明した。次に,SIFTの高精度化手法として,i)局所領域の勾配情報に主成分分析(PCA)を適用するPCA-SIFT,ii)4)を拡張したGLOH(Gradient Location and Orientation Histogram)を紹介した。さらに,Boxフィルタと積分画像を用いるSURF(Speeded-Up Robust Features),及びGPU(Graphics Processing Unit)を用いる高速化について述べた。最後にRandomized Treesによる学習を取り入れ,高精度化と高速化を同時に実現した手法を説明し,対応点マッチングでの効果を示した。

シソーラス用語： *特徴抽出 ,  情報 ,  スケール不変性 ,  回転不変性 ,  画像 ,  正規分布 ,  方向 ,  パターンマッチング ,  *主成分分析 ,  ヒストグラム ,  高速化 ,  機械学習 ,  *画像処理システム ,  大規模系
準シソーラス用語： *DoG画像 ,  Gaussian ,  SIFT ,  ランダマイズドツリー ,  特徴量

分類 (3件)： パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H) ,  図形・画像処理一般  (JE04010I)

引用文献 (12件)：

• BAY, H. Speeded-up robust features (SURF). Computer Vision and Image Understanding. 2008, 110, 3, 346-359
• BAY, H. Similarity Matching in Computer Vision and Multimedia. Computer Vision and Image Understanding. 2008, 110, 3, 346-359
• BREIMAN, L. Random forests. Machine Learning. 2001, 45, 1, 5-32
• BROWN, M. Recognising Panoramas. Proc. 9th Int. Conference on Computer Vision, 2003. 2003, 1218-1225
• CSURKA, G. Visual categorization with bags of keypoints. Workshop on Statistical Learning in Computer Vision, ECCV, 2004. 2004, 1-22

タイトルに関連する用語 (4件)： 大規模 ,  画像データ処理 ,  局所特徴量 ,  SIFT