[SIFT] orientation assignment

[SIFT] orientation assignment

회전에 불변인 특성을 지니기 위해 지배적인 방향을 구해야 한다.

keypoint를 중심으로 일정 크기의 윈도우 내에

그레디언트 방향 히스토그램을 구한다.

방향은 360도를 10도씩 양자화 하여 36개의 값을 가지며

크기는 그레디언트 값을 가중치로 가지며 추가로 

가우시안을 씌워 중심에서 멀어질수록 작은 가중치를 곱하게 한다.

이렇게 구한 히스토그램에서 가장 큰 값을 가지는 방향을 지배적인 방향으로 삼으며,

최고값의 80%에 해당하는 값이 존재할 경우 그것도 지배적인 방향으로 삼아 새로운 키포인트로 삼는다.

----------->

[Low 2004] 논문을 보면 이를 한꺼번에 계산하는 식이 존재한다.

한꺼번에 계산하는 식인 걸까?

아무튼 

그래디언트 및 가우시안을 씌운 값을 구할 수 있고, 방향도 구할 수 있다.

식에 대한 해석은 아직 모르겠다.

또한 Gaussian-weighted circular window with a sigma that is 1.5 times that of the scale of the keypoint. 라는데

window의 sigma값은 keypoint가 가지고 있는 정보 scale의 1.5배의 값을 가진다고 하고 있다.

gaussian mask의 경우 크기가 8*sigma + 1 이었는데 여기에 sigma에 1.5를 곱한 값의 크기를 가지는 윈도우 인건가...?

[SIFT] 논문을 해석해 놓은 자료를 보면 

안정한 특징점에 대해 회전 변환에도 강한 성질을 가지기 위한 방향과 크기를 결정한다. Gaussian blurred image 에서 특징점의 위치 주변의 16x16 pixel 값들을 가지고 거리와 방위 값을 가진다.

라고 적혀 있다.

왜 16x16 의 window인지 이해가 되지 않지만 일단은 해석에 적혀있는 window를 적용해 보아야 겠다.