文档章节

SIFT特征

bairui
 bairui
发布于 2014/06/21 22:48
字数 833
阅读 633
收藏 1

sift特征

#@date:			2014-06-14
#@author: 		gerui
#@email:		forgerui@gmail.com

sift(Scale-invariant feature transform)特征是局部不变化性特征,具有旋转不变性。计算sift特征主要步骤如下:

一、Contents


1. 构建尺度空间

  尺度空间是模拟图像数据的多尺度特征。

L(x, y, σ) = G(x, y, σ) * I(x, y)

  尺度空间一般取3~5层,2<sup>i-1</sup>(σ, kσ, k<sup>2</sup>,··· kσ<sup>n-1</sup>), k = 2<sup>1/s</sup>,其中s是每层塔包含的层数,i是第几层塔。

2. 用DOG近似LOG

  对两个相信高斯尺度空间的图像相减,得到一个DoG的响应值图像D(x, y, σ)。使用DoG对LoG进行近似好处是:LoG需要使用两个方向的高斯二阶微分卷积核,DoG直接使用高斯卷积核,省去了对卷积核生成的计算量;DoG可以保留各个高斯尺度空间的图像;DoG是对LoG的近似,保留了LoG检测的优点。

3. 特征点查找

  特征点即是局部的极值点,比较的区域是一个以查找点为中心的3*3的立方体,即这个中心点需要与26个点比较。搜索过程以每组的第二层开始。因为,这个查找是在离散的点上进行的,可以进行三维插值,从而可以找到准确的极值点。

4. 删除边缘效应

  DoG对图像中的边缘有比较强的响应值,而一旦特征点落在边缘上,这些点就是不稳定的,因为边缘上的点很难定位,容易受到噪声的干扰。利用Hessian矩阵的特征值α,β判断是否舍去。

(α + β)/(αβ) > [(r+1)exp(2)]/r      //如果大于则舍去,r取10

5. 特征点方向分配

  以特点为中心,计算3*1.5σ半径内的幅角和幅值。梯度方向直方图将360度分成36个柱,分个柱占10度。另外,每个加入梯度方向直方图的采样点都需进行高斯加权处理,通过高斯加权,离特征点较近的点有更大的权值。这样,直方图的峰值即是这个特征点邻域内梯度的主方向,也即为特征点的主方向。当还存在一个相当于主峰80%能量的峰值时,则认为该特征点为主方向的辅方向。

6. 特征点特征矢量生成

  SIFT描述子h(x, y, θ)是对特征点附近邻域内高斯图像梯度统计结果的一种表示。为了保证特征矢量具有旋转不变性,需要以特征点为中心,旋转5中求出的主方向角θ。将该区域划分为44个子区域,每个子区域将360度划分为8个方向范围,每个范围为45度,计算8个方向的梯度强度信息。由于44的子区域和8个方向分量,所以共有448 = 128个数据,最终形成128维的SIFT特征矢量。

7. 进行匹配

  通过将两幅图的描述子进行匹配,如果有两个描述子匹配成功,则说明两个其对应的两个特征点匹配上了。

二、References


  1. http://blog.csdn.net/abcjennifer/article/details/7639681

© 著作权归作者所有

上一篇: 学习使用Markdown
bairui
粉丝 4
博文 18
码字总数 15071
作品 0
苏州
私信 提问
【OpenCV】SIFT原理与源码分析

SIFT简介 Scale Invariant Feature Transform,尺度不变特征变换匹配算法,是由David G. Lowe在1999年(《Object Recognition from Local Scale-Invariant Features》)提出的高效区域检测算...

xiaowei_cqu
2012/10/15
0
0
局部特征(4)——SIFT和SURF的比较

转自:http://blog.csdn.net/jwh_bupt/article/details/6567452 局部特征(1)——入门篇 局部特征(2)——Harris角点 局部特征(3)——SURF特征总结 局部特征(4)——SIFT和SURF的比较 局部特征(...

haima1998
2018/02/11
0
0
图像处理之特征提取

知乎上看到一个话题—— 目前火热的 Deep Learning 会灭绝传统的 SIFT / SURF 特征提取方法吗? 由于之前研究过SIFT和HOG这两种传统的特征提取方法,故本篇文章先对SIFT和HOG作一综述,并比较...

牛奶芝麻
2017/11/27
0
0
SIFT算法原理(不带公式)

尺度不变特征转换(Scale-invariant feature transform或SIFT)是David Lowe于1999年提出的局部特征描述子,并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平...

yushupan
2017/12/19
0
0
【火炉炼AI】机器学习051-视觉词袋模型+极端随机森林建立图像分类器

【火炉炼AI】机器学习051-视觉词袋模型+极端随机森林建立图像分类器 (本文所使用的Python库和版本号: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 视觉词袋模型(Bag Of ...

炼丹老顽童
2018/10/23
0
0

没有更多内容

加载失败,请刷新页面

加载更多

领域驱动中的“贫血症和失忆症” --实践领域驱动--原文

贫血症严重危害着人类健康,并且伴随有危险的副作用。当贫血领域对象被首次提出来时,它并不是一个博得赞美的词汇,它描述的是一个缺少内在行为领域对象。奇怪的是,人们对于贫血领域对象的态...

还仙
28分钟前
5
0
条码打印软件中标签预览正常打印无反应怎么解决

在使用条码打印软件制作标签时,有客户反馈,标签打印预览正常的,但是打印无反应,咨询是怎么回事?今天针对这个情况,可以参考以下方法进行解决。 一、预览正常情况下,打印没反应 (1)在条码...

中琅软件
38分钟前
5
0
判断字符串的时候

判断字符串的时候一定把常量房前边, //报警程度 String leve = vo.getDeviceAlertDeal().getWarnLevel(); if(("0").equals(leve)) { row.add("无报警"); }else if(("1").equals(leve)) { ro......

简小姐
39分钟前
7
0
Linux maven3.6.2 install

PS:安装 maven 之前请先安装 jdk 1.安装 wget 命令(安装过就不用了) yum -y install wget 2.寻找需要的 maven 版本 https://maven.apache.org/download.cgi 3.进入 /var/local 文件夹 cd...

东方神祇
41分钟前
5
0
Tomcat源码分析二:先看看Tomcat的整体架构

Tomcat源码分析二:先看看Tomcat的整体架构 Tomcat架构图 我们先来看一张比较经典的Tomcat架构图: 从这张图中,我们可以看出Tomcat中含有Server、Service、Connector、Container等组件,接下...

flygrk
44分钟前
6
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部