Bonjour à tous,
J'ai réussi à implementer l'algorithme SIFT sans trop de mal en lisant le document qui détaille l'algorithme et en étant aidé sur certains points.
La question que j'aimerai poser est relative à l'intérêt des opérations effectuées dans cet algotithme. Ayant un projet de type recherche à faire, l'implémentation est moins importante que la justification des étapes constituant SIFT.
SI quelqu'un peut reponde de façon précise et convinquante aux questions ou à toute partie des questions suivantes, je l'en remercie d'avance:
1. Quel est l'interret d'utiliser les images de difference de gaussienne (DoG), et donc l'application de gaussienne successives à l'image originale à chaque octave? pourquoi ne pas travailler sur l'image originale (ou sa version en niveau de gris), pour la detection des points candidats et le calcul des orientations et des vecteurs descripteurs?
2. La detection des extremum permet de localiser des points d'interret précis. il y a 3 types de rejets après cette localisation:
- Que veut dire "un point localisable" au sens des formules utilisés (avec matrice hessienne, etc...)
- Quel est l'interret du rejet des points à faible contraste? je pense que c'est le fait de ne garder que les points les plus robuste face aux changement de luminosité, mais je peux être en train de dire n'importe quoi. merci de confirmer ou de corriger cette réponse.
- Quel est l'interret du rejet des points de contour (avec un seuil pour la courbure)? je sais que si ces points ne sont pas éliminé, les points détécté sont très nombreux sur les contours. Est ce que la diminution du nombre de points candidat est la seule motivation de ce rejet? ou y a t il une raison plus valable?
Pour les deux étapes suivante: calcul des orientations principales et du vecteur descripteur a chaque point clé, je pense avoir les explications.
Merci pour toutes vos futures reponses.
Partager