전통적인 SIFT 알고리즘으로 추출된 이미지 특징점 수가 적은 문제를 해결하기 위해, 고분광 이미지의 특성을 활용하여 스펙트럼 차원에서 이미지의 스케일 공간을 차분 재구성함으로써 추출된 특징점 수를 크게 증가시켰다. 그러나 특징점 수의 급격한 증가는 알고리즘의 시간 소모를 증가시키고, 유효 특징점의 비율이 낮아지는 문제를 초래한다. 특징점의 중복 문제를 해결하고 매칭 효율을 높이기 위해 스펙트럼 이미지 공간 기반의 F-SIFT 알고리즘을 제안하였다. FAST 알고리즘은 픽셀 레벨에서 빠른 판단이 가능하며, 현재 픽셀을 중심으로 하는 8방 이웃 기준을 구축하였다. 이미지 특징점을 추출하기 전에 차분 피라미드의 해당 위치 픽셀들에 대해 예비 선별을 수행하여 특징점 수를 원래의 10% 이하로 감소시켰다. 또한 기존 매칭 방법은 목표 상원의 인접 픽셀 정보만 통계 처리하고 상원의 기하학 위치 정보는 무시하였다. 따라서 본 논문은 특징 디스크립터 벡터를 확장하여, 먼저 최근접과 차선접 이웃 비율을 이용해 특징 디스크립터를 크게 매칭하고 신뢰도를 기록하여 디스크립터 벡터에 포함시켰다. 이후 유사도 순으로 상위 20개 매칭 중에서 4개의 매칭 점을 반복적으로 선택하여 삼각 평면을 구성하고, 상원의 위치 정보를 활용해 정밀 매칭을 수행하였다. 실험 결과는 본 방법이 중복 특징점 수를 효과적으로 줄이고 오매칭을 제거할 수 있음을 보여준다.

스케일 불변 특징 변환;스펙트럴 이미지 공간;8방 이웃 기준;이중 위치 반복 매칭