sift算法详解及其应用.ppt

  1. 1、本文档共73页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
sift算法详解及其应用.ppt

宝山壁画 宝山壁画是引人注目的昂贵文物。此壁画发现于阿鲁科尔沁旗东沙布乡境内。1994年列为“全国十大考古新发现”之一。宝山壁画中最引人注目的是《杨贵妃教鹦鹉图》。该画高0.7米、宽2.3米,用于笔重彩绘制,最突出的表现了 晚唐风格。唐代擅长绘贵妇仕女的大师周昉绘制了《杨贵妃教鹦鹉图》,不仅享誉中原,而且还影响全国各地。发现于阿旗宝山古墓里的这幅画,就是契丹人聘请中原画家按照周氏风格绘制的, 技法深得周氏画风的真传。在唐人真迹稀如星风的今天,能够从中完整了解唐代人物画的杰出成就,堪称美术史研究的辛事。这幅壁画现今保存在阿鲁科尔沁旗博物馆,历经千年,恍如新绘,是该馆的镇馆之宝。 欢迎大家观看! * * 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比的优势,但其并不是完美的,仍然存在着实时性不高、有时特征点较少、对边缘模糊的目标无法准确提取特征点等缺陷。自从1999年,SIFT算法问世以来,人们从未停止对它的优化和改进。 * * SIFT算法的扩展与改进 PCA-SIFT PCA(Principal Component Analysis),即主成分分析,是一种数据降维 技术。由Y.ke 2004年提出。 通过降维技术,可有效化简SIFT算子的128维描述子。 * * CSIFT(Colored scale invariant feature transform )彩色尺度特 征不变变换,可以针对彩色图像进行图像的不变特征提取。由 Farag 2006年提出。 SIFT算法的扩展与改进 CSIFT * * SIFT算法的扩展与改进 SURF SURF(SURF Speeded Up Robust Features),号称是SIFT 算法的增强版,SURF算法的计算量小,运算速度快,提取 的特征点几乎与SIFT相同,由Bay 2006年提出。 ? ? ? ? ? ? SIFT SURF 特征点检测 用不同尺度的图片与高斯函数做卷积 用不同大小的box filter与原始图像(integral image)做卷积,易于并行 方向 特征点邻接矩形区域内,利用梯度直方图计算 特征点邻接圆域内,计算x、y方向上的Haar小波响应 描述符生成 20*20(单位为pixel)区域划分为4*4(或2*2)的子区域,每个子域计算8bin直方图 20*20(单位为sigma)区域划分为4*4子域,每个子域计算5*5个采样点的Haar小波响?应,记录∑dx,?∑dy,?∑|dx|,∑|dy|。 * * SIFT算法的扩展与改进 method Time Scale Rotation Blur Illumination Affine Sift common best best common common good PCA-sift good good good best good best Surf? best common common good best good SIFT、PCA-SIFT 与 SURF 的对比 * * ASIFT(Affine-SIFT)抗仿射SIFT变换。 两个向量空间之间的一个仿射变换或者仿射映射由一个线性变换接上一 个平移组成。ASIFT可以抵抗强仿射情况,提取的特征点远多于SIFT算 法,由J.M. Morel 2009年提出。 ASIFT SIFT算法的扩展与改进 Demo * * 谢 谢! * * DoG局部极值检测 关键点精确定位 为了提高关键点的稳定性,需要对尺度空间DoG函数进行曲线拟合。利用DoG函数在尺度空间的Taylor展开式: 其极值点 由于DoG值对噪声和边缘较敏感,因此,在上面DoG尺度空间中检测到局部 极值点还要经过进一步的检验才能精确定位为特征点。 * * DoG局部极值检测 上式去除那些对比度较低的不稳定极值点。Lowe的试验显示,所有取值小于0.04的极值点均可抛弃(像素灰度值范围[0,1])。 在计算过程中,分别对图像的行、列及尺度三个量进行了修正,其修正结果如下: 为修正值 在Lowe的程序中,对坐标进行了五次修正。 将修正后的结果代入式 求解得 * * DoG局部极值检测 去除边缘响应 仅仅去除低对比度的极值点对于极值点的对于特征点稳定性是远远不够的。DoG函数在图像边缘有较强的边缘响应,因此我们还需要排除边缘响应。 DoG函数的(欠佳的)峰值点在横跨边缘的方向有较大的主曲率,而在垂直边缘的方向有较小的主曲率。主曲率可以通过计算在该点位置尺度的2×2的Hessian矩阵得到,导数由采样点相邻差来估计: 表示DO

文档评论(0)

smdh + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档