28  

Λόγω  της  μεγάλης  σημασίας  της  κατάτμησης  εικόνας  έχουν  προταθεί  και  

δημιουργηθεί   διάφοροι   αλγόριθμοι.   Ο   αλγόριθμος   που   θα   επιλεγεί   να  

χρησιμοποιηθεί,  πρέπει  να  είναι  ανάλογος  της  εφαρμογής  και  της  εικόνας  που  
θα  εισαχθεί  για  να  έχουμε  τα  επιθυμητά  αποτελέσματα.  

 

Στο   κεφάλαιο   αυτό   παρουσιάζουμε   συνοπτικά   κάποιους   από   τους   πιο  

σημαντικούς   αλγόριθμους   που   εξετάσαμε   για   την   κατάτμηση   εικόνας   στην  

εφαρμογή  μας.  
 

2.1.1  Μετασχηματισμός  Κλιμακωτά  -­‐  Αναλλοίωτων  

Χαρακτηριστικών  (SIFT)  

 

Ο   πρώτος   αλγόριθμος   που   εξετάζουμε   είναι   ο   μετασχηματισμός  

κλιμακωτά  αναλλοίωτων  χαρακτηριστικών,  ο  οποίος  ανήκει  στο  επιστημονικό  
πεδίο   της   όρασης   μηχανής.   Σκοπός   του   είναι   ο   εντοπισμός   και   η   περιγραφή  
τοπικών  χαρακτηριστικών.  Δημοσιεύθηκε  για  πρώτη  φορά  από  τον  David  Lowe  

το  1999  [18]  ο  οποίος  κατέχει  και  κατοχυρωμένο  δίπλωμα  ευρεσιτεχνίας  στις  
Ηνωμένες  Πολιτείες  Αμερικής  κάτω  από  την  ιδιοκτησία  του  Πανεπιστημίου  της  

Βρετανικής   Κολούμπια   και   παρέχεται   για   ερευνητική   χρήση.   Ο   αλγόριθμος  
αυτός   έχει   πολλές   εφαρμογές,   κάποιες   από   αυτές   είναι   η   αναγνώριση  
αντικειμένων,  η  παραγωγή  χαρτών  και  η  ανίχνευση  αντικειμένων  σε  βίντεο.  

Έστω   μια   εικόνα   η   οποία   περιέχει   αντικείμενα   που   μας   ενδιαφέρουν,   με  

τον  αλγόριθμο  αυτό  για  το  κάθε  ένα  από  αυτά  τα  αντικείμενα,  εξάγονται  σημεία  

ενδιαφέροντος   προκειμένου   να   δώσουν   μια   περιγραφή   των   χαρακτηριστικών  
του   (feature   description).   Με   τον   όρο   σημείο   ενδιαφέροντος   εννοούμε   το  
εικονοστοιχείο  το  οποίο  έχει  μια  καλά  καθορισμένη  θέση,  μπορεί  να  ανιχνευθεί  

εύκολα   και   περιέχει   τοπικές   πληροφορίες.   Η   περιοχή   χαρακτηριστικού  
προέρχεται  από  μία  εικόνα  που  περιέχει  μόνο  το  αντικείμενο  που  ψάχνουμε,  τη  
λεγόμενη   εικόνα   εκπαίδευσης.   Η   εικόνα   αυτή   χρησιμεύει   στον   εντοπισμό   του  

αντικειμένου  που  περιέχει,  μέσα  σε  μια  άλλη  εικόνα  με  πολλά  και  διαφορετικά  
αντικείμενα.   Από   τις   εικόνες   εκπαίδευσης   εξάγονται   τα   κύρια   σημεία   των  

αντικειμένων,   οι   λεγόμενες   ακμές,   τα   οποία   αποθηκεύονται   σε   μια   βάση  
δεδομένων.   Για   την   ανίχνευση   του   αντικειμένου   αυτού   γίνεται   σύγκριση   της  
νέας   εικόνας   με   το   περιεχόμενο   της   βάσης   δεδομένων   εξάγοντας   έτσι   πιθανά  

χαρακτηριστικά   που   αντιστοιχούν   στο   αντικείμενο.   Στη   συνέχεια   γίνονται  
περαιτέρω   έλεγχοι   φιλτραρίσματος   απορρίπτοντας   τις   ακραίες   τιμές   και  
κρατάμε  τα  ταιριάσματα,  τα  οποία  αναγνωρίστηκαν  ως  αξιόπιστα.  

Ο   αλγόριθμος   του   μετασχηματισμού   κλιμακωτών   αναλλοίωτων  

χαρακτηριστικών   (Scale   Invariant   Feature   Transform   -­‐   SIFT)   ακολουθεί  

τέσσερα  βασικά  στάδια  τα  οποία  θα  αναλύσουμε  παρακάτω  ένα  προς  ένα.  

 

Κλιμακωτή  ανίχνευση  ακρότατων  στοιχείων  στο  χώρο  

Το  πρώτο  στάδιο  επεξεργασίας  είναι  η  κλιμακωτή  ανίχνευση  ακρότατων  

στοιχείων   στο   χώρο   όπου   σε   αυτό   ερευνώνται   όλες   οι   κλίμακες   και   οι  

τοποθεσίες  σε  μια  εικόνα.