SIFT算法简介PPT.ppt

* * 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DOG金字塔中某一尺度的图像x方向求导两次 * * 在两特征值相等时达最小，随r的增长而增长。Lowe论文中建议r取10。 DoG局部极值检测 D的主曲率和H的特征值成正比，为了避免直接的计算这些特征值，而只是考虑它们的之间的比率。令为 最大特征值 ， 为最小的特征值，则 时将关键点保留，反之剔除 * * 关键点方向分配 通过尺度不变性求极值点，可以使其具有缩放不变的性质，利用关键点邻域像素的梯度方向分布特性，我们可以为每个关键点指定方向参数方向，从而使描述子对图像旋转具有不变性。 像素点的梯度表示 梯度幅值： 梯度方向