局所勾配特徴抽出技術-SIFT以降のアプローチ-
藤吉弘亘，安倍満，“局所勾配特徴抽出技術-SIFT以降のアプローチ-”，精密工学会誌 77(12)，pp1109-1116，2011．
画像のスケール変化や回転に不変な特徴量を抽出するScale Invariant Feature Transform(SIFT)は，特定物体認識だけではなく画像合成や画像分類など多くのアプリケーションに利用されています．SIFTの処理過程は，キーポイント検出と特徴量記述の二段階から成り立っています．
しかし，SIFTはキーポイント検出処理と特徴量記述処理の計算コストが高いという問題があります．この問題を解決する高速化の手法としてSURFという手法があります．SURFでは，各処理において積分画像を利用したBoxフィルタを用いることで，SIFTよりも約10倍の高速化を実現しています．近年では，高性能なPCだけではなく携帯端末等の小型デバイスでの利用を考慮し，キーポイント検出と特徴量記述の各処理を高速化および省メモリ化した手法が数多く提案されています．
また，2010年以降ではベクトル特徴量の代わりにバイナリコードで特徴量を記述する手法が提案されています．バイナリコードで特徴量を記述する手法には2つ種類があり，パッチからバイナリコードを直接生成する手法と，間接的にバイナリコードを生成する手法があります．特徴量の記述にバイナリコードを用いることで，さらに高速な特徴量記述を実現することができます．
このように，SIFTとSURF以降では，キーポイント検出および特徴量記述において高速化と省メモリ化を同時に実現する手法が展開されています．
本稿では，SIFTやSURF以降のアプローチが，キーポイント検出と特徴量記述の各処理において，どのように展開されてきたかを描く手法のアルゴリズムとともに解説します．
1章 はじめに
2章 キーポイント検出
3章 特徴量記述
4章 まとめ