بررسی تفصیلی الگوریتم تبدیل ویژگی مقیاس ثابت (sift)؛ مفاهیم، شاخص ها و کاربردها

الگوریتم تبدیل ویژگی مقیاس ثابت (sift)، یکی از الگوریتم های پر کاربرد در زمینه بینایی ماشین است که به صورت گسترده مورد توجه و مطالعه پژوهشگران قرار گرفته و بهبود داده شده است. sift یکی از شناساگرهای محلی رایج می باشد که در انطباق تصویر، موزاییک تصویر، جعل کپی و جابجایی کاربرد دارد. در این مقاله مروری، ضمن معرفی الگوریتم sift، به کاربردها، مزایا و معایب، اصلاحات، دسته بندی ها و رویکردهای تحقیقات جدید در این الگوریتم پرداخته شده است. علاوه بر این، به کمک چهار آزمایش، جنبه های مختلف الگوریتم مورد ارزیابی قرار گرفته است. این مقاله می تواند راهگشای پژوهشگران پردازش تصویر برای استفاده از الگوریتم sift باشد. اهتمام نویسندگان بر این بوده است که همه جنبه های این الگوریتم مورد کاوش قرار گیرد.

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

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, copymove 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.