抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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。