SIFT 算法小结
1 SIFT 发展历程
SIFT算法由D.G.Lowe 1999年提出,2004年完善总结。后来Y.Ke将其描述子部
分用PCA代替直方图的方式,对其进行改进。
2 SIFT 主要思想
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。
3 SIFT算法的主要特点:
a) 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。
b) 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
[23]
。
c) 多量性,即使少数的几个物体也可以产生大量SIFT特征向量。
d) 高速性,经优化的SIFT匹配算法甚至可以达到实时的要求。
e) 可扩展性,可以很方便的与其他形式的特征向量进行联合。
4 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
5 SIFT 算法详细
▲尺度空间的生成
尺度空间理论目的是模拟图像数据的多尺度特征。
高斯卷积核是实现尺度变换的唯一线性核[],于是一副二维图像的尺度空间定
义为:
),(),(),,( yxIyxGyxL ��
��
(1)
其中
),,(
�
yxG
是尺度可变高斯函数,
2)(
2
2/
2
1
),,(
22
�
��
�
yx
eyxG
��
�
(2)
(x,y)是空间坐标,
�
是尺度坐标。
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(DOG
scale-space)。利用不同尺度的高斯差分核与图像卷积生成。
),,(),,(),()),,(),,((),,(
�����
yxLkyxLyxIyxGkyxGyxD �����
(3)
DOG 算子计算简单,是尺度归一化的 LoG 算子的近似。
图像金字塔的构建:图像金字塔共 O 组,每组有 S 层,下一组的图像由上一组
图像降采样得到。
图 1 由两组高斯尺度空间图像示例金字塔的构建, 第二组的第一副图像由第一
组的第一副到最后一副图像由一个因子 2 降采样得到。