第六章_影像匹配_第2次课.ppt

第五节 特征匹配---SIFT算子;SIFT算子 影像匹配策略;SIFT(Scale Invariant Feature Transform)算子最早由D.G.Lowe于1999年提出，但直到2004年D.G.Lowe才对该算子做了全面的总结，其主要特点： ;一 尺度空间的极值探测;一 尺度空间的极值探测 ;1.1 尺度空间;Koenderink和Lindeberg证明： 高斯卷积核是实现尺度变换的唯一的线性核。 ; 一幅二维图像，在不同尺度下的尺度空间表示可由图像与高斯核卷积得到： ; 一幅二维图像，在不同尺度下的尺度空间表示可由图像与高斯核卷积得到： ;高斯卷积结果;1.2 DOG算子 ;大量试验证明：当;原始影像;1.3 高斯差分尺度空间的生成;（2）将第一层尺度空间中的相邻高斯金字塔影像相减，生成高斯差分金字塔影像。;子层数: S=3;高斯金字塔影像;D.G.Lowe通过大量试验证明：;2)随着 值的增大，提取的极值点的重复性也逐渐增大，当 =1.6时最佳。 ;1.4 局部极???探测;二 关键点的精确定位;去边缘效应;去边缘效应;三 确定关键点的主方向;三 确定关键点的主方向;由图3.25试验中的影像生成的关键点梯度矢量;四 关键点的描述;五 寻找最临近点（匹配）;六 改进的SIFT算法;SIFT特征匹配结果;;图3.35 旋转180°影像特征匹配结果;旋偏角37度影像匹配;回顾SIFT算子的主要特点： ;影像匹配存在以下两个问题。 （1)搜索范围的确定和匹配策略 （2）匹配点粗差的剔除;七 影像匹配策略; 对立统一的影像匹配策略 (张祖勋 院士 2007):;利用Wallis滤波进行影像增强;对立统一的匹配策略;对立统一的匹配策略;匹配点粗差剔除 (像方－核线约束；物方－空间点坐标约束);参考文献（SIFT匹配） [David G. Lowe 1999] David G. Lowe. Object recognition from local scale-invariant features[C]. In International Conference on Computer Vision, 1999,Corfu, Greece, pp. 1150-1157 [David G. Lowe 2004] David G. Lowe.Distinctive Image Features from Scale-Invariant Keypoints[J].Internatioanl Journal of Computer Vision,60(2):91-110,2004 [柯涛，张永军] SIFT特征算子在低空遥感影像全自动匹配中的应用.测绘科学, 第34卷　第4期，23-26页, 2009.4 ;[Koenderink J J 1984] Koenderink J J. The Structure of Image[J] .Biological Cybernetics,1984;50:363-370 [Witkin A P 1983] Witkin A P. Scale Space Filtering[A].In Int. Joint Conf. Artificial Intelligence[C],1983;1019-102 [孙 剑 2005] 孙剑，徐宗本。计算机视觉中的尺度空间方法[J],工程数学学报,第22卷，第6期，2005年12月;第六章 影像匹配基础理论与算法;;;