मुझे यकीन नहीं है कि आप केवल दो छवियों (जैसे सामान्य बिंदुओं को ढूंढना) से मेल खाना चाहते हैं, या आप सीबीआईआर (सामग्री-आधारित छवि पुनर्प्राप्ति) जैसे कुछ का प्रयास करना चाहते हैं - सभी को खोजने के लिए टेम्पलेट छवि के साथ एक डेटाबेस खोजना वस्तु)।
मैं वर्तमान में सीबीआईआर अनुसंधान कर रहा हूं, इसलिए मैं वर्तमान तरीकों के साथ बहुत अद्यतित हूं। यहाँ और यहाँ मेरे उत्तरों की कड़ियाँ हैं, जो स्टैकओवरफ़्लो से आपकी जैसी समस्याओं के लिए हैं, आपको एक नज़र डालनी चाहिए।
अब, थोड़ा सा SIFT के बारे में बात करने के लिए। जब पहली बार लोव द्वारा पेश किया गया था , तो SIFT शब्द ने फीचर डिटेक्शन की प्रक्रिया और उन पहचाने गए ब्याज बिंदुओं पर गणना की गई फीचर डिस्क्रिप्टर दोनों पर लागू किया । इस दिन तक, SIFT वर्णनकर्ता अविश्वसनीय रूप से भयानक साबित हुए हैं। विवरणकर्ताओं के पास कुछ शांत गुण हैं जिनका @Totero ने पहले ही उल्लेख किया है।
दूसरी ओर SIFT डिटेक्शन मेथड , जिसे आजकल ज्यादा से ज्यादा DoG (गॉसियंस का अंतर) कहा जाता है, अत्याधुनिक नहीं है। यह अभी भी व्यापक रूप से उपयोग किया जाता है, लेकिन सुविधा का पता लगाने की प्रक्रिया के लिए, आज अधिक विधियां हैं, जिनमें से कुछ बेहतर हैं या अच्छी तरह से अपरिवर्तनीय कुंजीप्वाइंट DoG प्रक्रिया के अर्क के प्रकारों के पूरक हैं।
अधिकांश वर्तमान कागजात (लिंक किए गए स्टैक्वेरफ्लो सवालों के लिंक को देखें) में एक और अच्छा अभ्यास है: वे कई प्रकार के तरीकों का पता लगाते हैं, और फिर अनियंत्रित वेक्टर प्रतिनिधित्वों की गणना करने के लिए SIFT विवरणों (जो अभी भी वर्णनकर्ता के रूप में रॉक करते हैं) का उपयोग करते हैं। मैं वर्तमान में DoG के संयोजन के साथ काम कर रहा हूं (वे छवियों के कोने-प्रकार वाले भागों पर ध्यान केंद्रित करते हैं) और MSER क्षेत्र (वे कई पैमानों के माध्यम से बूँद-जैसे प्रतिष्ठित बिंदुओं पर ध्यान केंद्रित करते हैं)। यदि आप इस संयोजन को अपने विशेष छवि डेटाबेस पर संतोषजनक नहीं पाते हैं, तो आप और भी अधिक प्रकार के फ़ीचर डिटेक्टरों को आज़मा सकते हैं।
इसके अलावा, यदि आप रुचि रखते हैं, तो यहां एक पेपर है जो विभिन्न डिटेक्शन और डिस्क्रिप्टर संयोजनों की प्राथमिकताओं का मूल्यांकन करता है। मैंने इसे नहीं पढ़ा है क्योंकि DoG & MSER + SIFT मेरे लिए ठीक काम करता है, लेकिन मैंने इसे स्किम कर लिया है और पेपर काफी अच्छा है।
PS: यदि आप IEEEXplore डेटाबेस I से जुड़े हैं, तो आपके पास Google विद्वान का उपयोग नहीं है।
