没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
SIFT 算法
SIFT 特征匹配算法是目前国内外特征点匹配研究领域的
热点与难点,其匹配能力较强,可以处理两幅图像之间发
生平移、旋转、仿射变换情况下的匹配问题,甚至在某种
程度上对任意角度拍摄的图像也具备较为稳定的特征匹配
能力。
SIFT 算法的主要特点
SIFT 特征对旋转、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。
独特性好,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。
多量性,即使少数的几个物体也可以产生大量 SIFT 特征向量。
高速性,经优化的 SIFT 匹配算法甚至可以达到实时的要求。
可扩展性,可以很方便的与其他形式的特征向量进行联合。
Company Logo
SIFT 算法步骤
1. 检测尺度空间极值点
2. 精确定位极值点
3. 为每个关键点指定方向参数
4. 关键点描述子的生成
一 检测尺度空间极值点
尺度空间的生成
高斯卷积核是实现尺度变换的唯一线性核
),(),,(),,( yxIyxGyxL
2)(
2
2/
2
1
),,(
22
yx
eyxG
),,(
yxG
其中 是尺度可变高斯函数 , (x , y ) 是空间坐标, 是尺度空间因子
L 代表了图像的尺度空间。
一 检测尺度空间极值点
为了有效的在尺度空间检测到稳定的关键点,提出了高斯差分尺度空间
),,(),,(),()),,(),,((),,(
yxLkyxLyxIyxGkyxGyxD
DoG 算子定义为两个不同尺度的高斯核的差分,其具有计算简
单的特点,是归一化 LoG 算子的近似。对于图像上的点,计算其
在每一尺度下 DoG 算子的响应值,这些值连起来得到特征尺度轨
迹曲线。特征尺度曲线的局部极值点即为该特征的尺度。
剩余21页未读,继续阅读
资源评论
s12345652271
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功