여러 크기에서 찾는 특징점
한 해상도에서만 점을 고르면 물체가 커지거나 작아졌을 때 같은 부분을 놓치기 쉽다. SIFT는 평활화 정도와 해상도가 다른 영상들을 구성하고 가우스 차분의 극값에서 후보를 찾는다. 후보 위치와 크기를 다듬으며 대비가 약하거나 경계 방향으로 불안정한 점을 걸러 낸다. 모든 크기 변화에 완벽하게 불변이라는 뜻은 아니다.
방향을 맞춘 주변 표현
특징점 주변의 기울기로 기준 방향을 정하고 그 방향을 기준으로 주변 패턴을 표현한다. 대표적인 구성은 주변을 4×4개 공간 구역으로 나누고 구역마다 8개 방향 구간을 집계해 128차원 벡터를 만든다. 단순히 화소를 줄 세운 값과 달리 국소적인 방향 분포를 담는다. 이 표현도 큰 원근 변화나 조명 변화의 영향을 완전히 없애지는 못한다.
가까운 후보가 하나인지 살피기
기술자 거리로 가장 가까운 후보를 골라도 유사한 무늬가 반복되면 대응이 모호할 수 있다. 예를 들어 첫째 거리 0.4와 둘째 거리 0.5의 비는 0.8이고, 둘째 거리가 0.8이면 비는 0.5다. 가상의 기준 0.75보다 작은 비만 허용한다면 첫 경우는 제외하고 둘째 경우는 남긴다. 이 숫자는 예시이며 실제 거리나 비율을 일치 확률로 읽어서는 안 된다.
대응점 이후의 확인
기술자가 비슷한 두 점이 실제로 같은 물체의 부분이라는 보장은 없다. 반복 창문, 가림, 흐림은 잘못된 대응을 만들 수 있다. 대응점들이 공통된 기하 변환과 양립하는지 추가로 검토하고 잔차와 공간적 분포를 살펴야 한다. 검출된 점의 수만 늘리기보다 재현되는 위치와 올바른 대응 비율을 작업 목적에 맞게 평가하는 편이 유용하다.
관련 문서
시 토마시 코너 검출 / 해리스 코너 검출 / 가우스 필터 / 광학 흐름 / 벡터 / 이미지 처리 / RANSAC 회귀