각 영상인식 방법들의 간략 비교

글을 하나 포스팅하려 했건만, 이사람은 항상 다 정리해놓았다. 대단하다 정말..

 

http://darkpgmr.tistory.com/116

 

그래도 짧게 간추린 글을 보고싶으므로, 그것만 해보자면

 

SIFT(Scale Invariant Feature Transform) - 특징점 주변의 gradient 분포특성 이용, 기하학적 정보 무시, 형태변화 크기변화에 강하다.

큰변화 감지가능

 

HOG(Histogram of Oriented Gradient) - 블록단위 기하학적 정보 유지, 블록내부에서는 히스토그램을 사용해 조그마한 변화 감지 가능

큰변화 감지불가, 작은변화 감지가능

 

Haar Feature - 기본 특징 (영역과 영역의 밝기차 이용) 들을 수천가지 조합하여 특징추출

contrast 및 광원에 대한 검출 힘듦

 

Fearns - 패치안 랜덤한 점(2개,3개...등등) 을 잡고 그에대한 + - 값을 구분하여 검색

 

LBP(Local Binary Pattern) - 영상의 모든 픽셀에 대한 3 X 3영역의 상대적인 밝기변화를 2진수로 변환하여 히스토그램을 구한 후 텍스쳐모델로 활용

 

MCT(Modified Census Transform) - 중심픽셀을 중심으로 밝으면 0 어두우면 1, 3X3 시 LBP와 같음