没有合适的资源?快使用搜索试试~ 我知道了~
2.1 尺度空间构建 2.2 极值位置检测 3.1 子像素插值(Sub-pixel Interpolation)精确定位 3.2 消除边缘响应
资源详情
资源评论
资源推荐
SIFT 特征检测算法整理
一. 基本思想
SIFT 作为一种著名的图像特征提取算法,由 David Lowe 在 1999 年所发明,2004 年完善总
结并发表。它的基本思想为在构建的尺度空间中寻找极值点(尺度空间极值检测),提取出
其位置(关键点定位)、尺度、以及一个主方向,并在此基础上以关键点所在的尺度及其周
围梯度构建描述子。
该算法具有尺度不变性、旋转不变性及光照不变性,受仿射变换、噪音等因素的影响较小。
其描述子具有的信息量较大,因而对于后续的特征匹配过程而言有很强的辨识性。但是与此
同时,不断地下采样和插值等操作带来的巨大计算量使得 SIFT 算法很难直接应用于一些实
时性要求较高的领域。而对于边缘光滑的目标,很难准确提取特征。
二. 尺度空间极值检测
在观察物体时,所感知到的图像的亮度、对比度等信息受物体的光照、位置等因素影响较大。
因此,在分析图像时,需要一种图像处理算子将这些影响剥离,使处理后的结果与灰度、对
比度、平移、尺度、仿射变换等因素无关。在这一思路下,Iijima 于 1962 年提出了尺度空间
(scale space)模型,并在之后经 witkin 和 Koenderink 等人的推广逐渐得到关注,在计算
机视觉邻域得到了广泛应用。
其基本思想为,模拟相机拍摄物体时由近到远的图像变化过程,在图像信息处理模型中引入
一个尺度参数,以改变尺度参数的形式获得多尺度下的图像序列(图像的模糊程度随尺度增
大而增大),并提取其主轮廓。之后在此基础上,实现边缘、角点检测和不同分辨率上的特
征提取等。这一方法改单尺度下的单一图像分析为不同尺度下的动态分析,相对而言更加容
易规避许多影响因素而获得图像本质信息。具体为在所有可能的尺度下搜索稳定、不变特征,
以检测不同尺度下具有不变性的位置,作为候选位置,进而进一步考较其细节。
2.1 尺度空间构建
要在所有尺度下搜索,进行特征检测,首先要构建图像的尺度空间。一个图像的尺度空间,
实际上是一个尺度连续函数,定义为一个变化尺度的高斯函数与原图像的卷积。尺度空间描
述一般指图像在不同尺度下的的描述。
尺度空间函数为
其中为卷积,
为以为方差的高斯函数
为更高效地检测不变特征,Lowe 在 1999 年提出,通过相差相邻乘系数的两个尺度的高斯
差分(difference-of-Gaussian,DoG 算子),即
,使用尺度空间极值的方式来检测
不变特征。
一方面,在计算图像平滑
后,只需计算图像减法即可,相对而言更加高效;另一
方面,DoG 提供了尺度规范下高斯拉普拉斯(Laplacian of Gaussian,LoG 算子,即
)
的近似解,有研究指出,相比许多梯度、角点函数,LoG 的最大、最小值产生了最稳定的图
像特征。因此,选择了这一函数来检测尺度空间极值。
王元祺
- 粉丝: 67
- 资源: 303
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
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
评论0