《sift算法讲解课件》由会员分享,可在线阅读,更多相关《sift算法讲解课件(99页珍藏版)》请在金锄头文库上搜索。
1、任甲元 郑舒颖 金喆2021/3/1112021/3/112 关键技术:局部特征提取2021/3/113局部特征:感兴趣区域检测&描述子感兴趣区域感兴趣区域描述子描述子 2021/3/114David LoweComputer Science Department2366 Main MallUniversity of British ColumbiaVancouver, B.C., V6T 1Z4, Canada E-mail: lowecs.ubc.ca作者简介2021/3/115SIFT SIFT 概述概述 SIFT算法由D.G.Lowe1999年提出,2004年完善总结。此后Y.Ke将其
2、描述子部分用PCA代替直方图的方式,对其进行改进。定义:SIFT算法是一种提取局部特征的算法,在尺度空间寻找极 值点,提取位置、尺度、旋转不变量。特点:1、SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持 不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。2、独特性(Distinctiveness)好,信息量丰富,适用于在海量特征数 据库中进行快速、准确的匹配。3、多量性,即使少数的几个物体也可以产生大量的SIFT特征向量。4、高速性,经优化的SIFT匹配算法甚至可以达到实时的要求。5、可扩展性,可以很方便的与其他形式的特征向量进行联合。2021/3/1161 1、检测尺
3、度空间极值点。、检测尺度空间极值点。2 2、精确定位极值点。、精确定位极值点。关键点检测3 3、为每个关键点指定方向。、为每个关键点指定方向。4 4、关键点描述子的生成。、关键点描述子的生成。描述子生成SIFT SIFT 概述概述2021/3/1172 2、精确定位极值点。、精确定位极值点。关键点检测3 3、为每个关键点指定方向。、为每个关键点指定方向。4 4、关键点描述子的生成。、关键点描述子的生成。描述子生成1 1、检测尺度空间极值点。、检测尺度空间极值点。SIFT SIFT 概述概述2021/3/118尺度空间极值点检测尺度空间极值点检测2021/3/119尺度空间:二维尺度可变高斯核函
4、数(滤波函数),高斯核和高斯微分是尺度空间分析的惟一平滑核。 (本实验采用一维高斯函数)空间坐标尺度空间因子(坐标)二维图像函数2021/3/1110高斯差分尺度空间(DOG scale-space):是尺度归一化LOG算子的近似高斯金字塔的构建: 高斯金字塔共o(7)阶,每阶有s(6)层,下一阶的图像由上一阶图像降采样得到。2021/3/11112021/3/11122021/3/11132021/3/1114归一化2021/3/1115归一化gray0 = 1 3 5 7 9 10 112021/3/1116归一化gray0 = 1 3 5 7 9 10 11gray1 = 0 2 4 6 8 9 10 2021/3/1117归一化gray0 = 1 3 5 7 9 10 11gray1 = 0 2 4 6 8 9 10gray2 = 0 2/10 4/10 6/10 8/10 9/10 12021/3/1118归一化gray0 = 1 3 5 7 9 10 11gray1 = 0 2 4 6 8 9 10gray2 = 0 2/10 4/10 6/10 8/10 9/10 1 0=gray2高斯金字塔边缘扩展- 提取潜在特征点-精炼特征点 -计算方向 -特征点描述 - 对image03做同样处理-特征点匹配 -年底前完成2021/3/11982021/3/1199