利用SIFT算法实现图像自动拼接摘要.pptVIP

* * 消除错配点 RANSAC（Random Sample Consensus，随机抽样一致 ） 是一种鲁棒性的参数估计方法。 RANSAC简介 RANSAC实质上就是一个反复测试、不断迭代的过程。 RANSAC的基本思想： 首先根据具体问题设计出某个目标函数，然后通过反复提取最小点集估计该函数中参数的初始值，利用这些初始值把所有的数据分为“内点”（ inlier ）和“外点“（outlier），最后用所有的内点重新计算和估计函数的参数。 * * 消除错配点 RANSAC事例 如何估计最佳直线？ 重复进行，拟合最优直线 随机取两样本点拟合直线 拟合直线： Back SIFT 算子的性能评价： (1)SIFT 算子提取的图像局部的特征，对亮度变化、尺度缩放以及旋转保持不变性，而且对物体噪声、仿射变换、视角变化保持稳定性。 (2)描述符独特性好，信息量丰富，适用于海量特征数据的匹配，与 Harris 算子匹配方式相比准确率较高。 (3)由于 SIFT 算子构造过程复杂，而且提取的特征数据较大，因此其实时性较差。 (4)SIFT 算子在特征分布均匀的情况下精度差、匹配准确率低。 (5)由于 SIFT 算子描述子的多方向性，在匹配时容易产生重复的匹配点。 SIFT算法的扩展与改进 SIFT在图像的不变特征提取方面拥有无与伦