sift算法讲解课件.ppt
SIFT特征匹配技术特征匹配技术任甲元 郑舒颖 金喆 关键技术：局部特征提取局部特征：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 David LoweComputer Science Department2366 Main MallUniversity of British ColumbiaVancouver,B.C.,V6T 1Z4,Canada E-mail:lowecs.ubc.ca作者简介 SIFT算法由D.G.Lowe1999年提出，2004年完善总结。此后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。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。1 1、检测尺度空间极值点。、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。描述子生成尺度空间：二维尺度可变高斯核函数（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。归一化归一化gray0=1 3 5 7 9 10 11归一化gray0=1 3 5 7 9 10 11gray1=0 2 4 6 8 9 10 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
