بررسي تفصيلي الگوريتم تبديل ويژگي مقياس ثابت (SIFT)؛ مفاهيم، شاخص ها و كاربردها

Detailed Review of the Scale Invariant Feature Transform (SIFT) Algorithm; Concepts, Indices and Applications

الگوريتم تبديل ويژگي مقياس ثابت (SIFT)، يكي از الگوريتم­هاي پر­كاربرد در زمينه بينايي ماشين است كه به صورت گسترده مورد توجه و مطالعه پژوهشگران قرار گرفته و بهبود داده­ شده است. SIFT يكي از شناساگرهاي محلي رايج مي­باشد كه در انطباق تصوير، موزاييك تصوير، جعل كپي و جابجايي كاربرد دارد. در اين مقاله مروري، ضمن معرفي الگوريتم SIFT، به كاربردها، مزايا و معايب، اصلاحات، دسته­بندي­ها و رويكردهاي تحقيقات جديد در اين الگوريتم پرداخته شده­است. علاوه بر اين، به كمك چهار آزمايش، جنبه­هاي مختلف الگوريتم مورد ارزيابي قرار گرفته­است. اين مقاله مي­تواند راهگشاي پژوهشگران پردازش تصوير براي استفاده از الگوريتم SIFT باشد. اهتمام نويسندگان بر اين بوده است كه همه جنبه­هاي اين الگوريتم مورد كاوش قرار گيرد. كليدواژه‌ها

Abstract: The Scale Invariant Feature Transform (SIFT) algorithm is one of the most widely used algorithms in the machine vision field on which researchers have extensively studied and improved. SIFT is one of the common local detectors used in image registration, image mosaicking, copy-move image forgery, and etc. In this review paper, along with introducing the SIFT algorithm, the applications, pros and cons, modifications, categories and new research approaches in this algorithm are discussed. In addition, via four experiments, different aspects of this algorithm have been evaluated. This paper can help image processing researchers when utilizing the SIFT algorithm. The aim of the authors was to explore all the aspects of this algorithm.