圖像匹配算法地的研究之sift算法

《圖像匹配算法地的研究之sift算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、實用標(biāo)準(zhǔn)文案圖像匹配算法研究之sift算法SIFT算法由D.G.Lowe1999年提出，2004年完善總結(jié)，論文發(fā)表在2004年的IJCV上，主要用于提取具有圖像旋轉(zhuǎn)不變性和伸縮不變性的特征點。這項技術(shù)可以推廣到圖像識別、圖像拼接以及圖像恢復(fù)等。DavidG.Lowe,?"Distinctiveimagefeaturesfromscale-invariantkeypoints,"?InternationalJournalofComputerVision,?60,2(2004),pp.91-110論文詳細(xì)地址：lowesift算法算法主要分為4個步驟：·scal

2、e-spaceextremadetection--尺度空間上的極值檢測·keypointlocalization--關(guān)鍵點的定位·orientationassignment--為關(guān)鍵點標(biāo)定方向·keypointdescriptor--提取特征點描述符$1.尺度空間上的極值檢測在介紹這一部分的時候，先引入幾個概念：·降采樣：對于一幅圖像而言的降采樣就是每隔幾行、幾列得到取一點，組成一個新的圖像。以比例因子為2的降采樣來說：就是対一幅圖像每隔一行一列取一點?！ど蓸樱浩鋵嵰环N插值，就是在一幅圖像里利用相關(guān)的插值運算得到一幅大的圖像！比如比例因子為2的升采樣就是每個

3、相鄰像素點種插值出一個像素（這里包括X、Y兩個方向），最常用的插值方法有線性插值等?！D像金字塔：由一個原始圖像經(jīng)過降采樣得到一幅圖像，再對新的圖像做降采樣，重復(fù)多次構(gòu)成的一組集合。以采樣因子2為例說明，如果形象的把這些圖像摞起來就想一個金字塔，每次之間長和寬大小恰好為2倍關(guān)系，故此得名。·高斯卷積：就是權(quán)函數(shù)為高斯函數(shù)的模板進(jìn)行卷積運算。通常做高斯卷積后的圖像會比原圖像平滑但也會模糊，所以又稱高斯模糊！·高斯金字塔：高斯金字塔里有兩個概念：組（Octave）和層（Level或Interval），每組里有若干層！高斯金字塔的構(gòu)造是這樣的，第一組的第一層為原圖像

4、，然后將圖像做一次高斯平滑（高斯卷積、高斯模糊）高斯平滑里有一個參數(shù)δ,在SIFT里作者取1.6。然后將δ乘一個比例系數(shù)k作為新的平滑因子來平滑第一組第二層得到第三層，重復(fù)若干次，得到L層（L一般取5）他們分別對應(yīng)的平滑參精彩文檔實用標(biāo)準(zhǔn)文案數(shù)為：0，δ，kδ，k2δ，k3δ。然后將最后一幅圖像做比例因子為2的降采樣得到第二組的第一層，然后對第二組的第一層做參數(shù)是δ的高斯平滑，對第二層做kδ的平滑得到第三層.....這里一定注意：每組對應(yīng)的平滑因子δ是一樣的,而不是像有的資料上說的持續(xù)遞增。這樣反復(fù)形成了O組L層的高斯金字塔。一般模糊的高斯模板長寬都約為6δ（

5、這里δ為當(dāng)次的平滑因子，就是可能是kδ，k2δ..）·DoG（DifferenceofGaussian）金字塔：是由高斯金字塔構(gòu)造出來的，他的第一組第一層是由高斯金字塔的第一組第二層減第一組第一層，他的第一組第二層是由高斯金字塔的第一組第三層減第一組第二層得到。每組都這樣就生成了一個DoG金字塔。順便說一下，DoG金字塔每組圖像幾乎都是一片黑，但仔細(xì)看你能看出輪廓的。最后關(guān)于金字塔具體處理的說明：1）在SIFT里高斯金字塔的第一組第一層通常是由一個原圖像長寬擴大一倍開始的，這樣做是為了可以得到更多的特征點；2）大家可以發(fā)現(xiàn)如果用每組5層的高斯金字塔構(gòu)造一個Do

6、G金字塔的的話，DoG的每組的層數(shù)是4；3）對于DoG金字塔，特征點的搜索從每組的二層到倒數(shù)第二層的（后面說明為什么），所以如果DoG金字塔有效層數(shù)目為n的話，那么DoG金字塔應(yīng)該有n+2層，那么對應(yīng)的高斯金字塔應(yīng)該有n+3層；4）高斯金字塔從第二組開始的每組第一層是由上一組的倒數(shù)第二層降采樣得到的，如下所示。精彩文檔實用標(biāo)準(zhǔn)文案講了這么多概念，現(xiàn)在正式開始講解如何在尺度空間里尋找特征點啦。由于圖像進(jìn)行伸縮等變換后尺度空間發(fā)生變化，所以為了方便找出匹配點，需要將圖像在不同的尺度空間里進(jìn)行平滑，并相減得到更多的邊緣等高頻信息（特征點的集中　域）。高斯平滑并計算d

7、og金字塔利用下面的3個計算公式：至于為什么用DOG算子來提取額特征點，而不是hessian或者其他角點方法比如Harris，是因為Mikolajczyk(2002)發(fā)現(xiàn)通過?計算出來的局部區(qū)域極大值和極小值與上述幾種角點相比能產(chǎn)生更加穩(wěn)定的特征點。但是上面的公式和DOG又有素描關(guān)系呢？看下面的公式就知道了：進(jìn)一步得到=》兩者之間只是相差了（k-1）δ2?倍而已，不影響特征點的尋找。還有一點需要說明的是，這里不同的δ就是代表不同的尺度，0（本身），δ，kδ,等等...δ精彩文檔實用標(biāo)準(zhǔn)文案的值越大，意味著尺度空間越大。具體該怎么理解尺度這個概念呢，就是需要描述

8、的像素灰度分布越廣，尺度越廣，也就是說