본 포스팅은 CS576 수업에서 제가 새로 배운 부분만 정리한 것입니다.

edge detection

blob detection

• laplacian은 gaussian과 등방향성이다.

• blob의 크기에 따라 response가 다르다. 그림과 달리 깊은 곳이 밝게 된다.

• blob의 반지름 R에 따라 최적의 $\sigma$가 다르다.
  • $\sigma = r/\sqrt{2}$
• $\sigma$가 커지면 response가 소멸된다.
  • 따라서 scale normalization을 한다.
  • $\nabla^2_{norm}g=\sigma^2\nabla^2g$
• Difference of Gaussians(DoG)
  • Laplacian은 두 다른 가우시안의 차이로 근사화할 수 있다.
  • 

SIFT

• blob 주위의 gradient를 계산하여 이를 이용해 histogram을 만들어서 유사도를 구하는 것
• 파노라마와 이미지 서치 등에 사용

1. blob detection으로 scale-space extrema를 찾는다.
   DoG를 이용하여 여러 조합으로 여러 크기의 blob을 찾는다.
2. keypoint filter
   DoG response가 특정 threshold보다 작으면 무시한다.
3. Orientation assignment
   
   dominant한 orientation을 찾은 후에 방향을 맞춘다.
4. Calculating descriptor
   8 quantized orientation으로 orientation 표현

• Sift의 장점
  • scale invariance
  • rotation invariance
  • insensitivity to other small variantion
  • insensitivity to illumination change(edge의 distribution을 보기 때문)
  • insensitivity to noise