[sift算法原理备份).pptVIP

目录 Sift算法的主要特点 Sift算法的步骤 总结 ▲1. 建立高斯金字塔 高斯金字塔有O组，一般选择4组，每一阶有S层尺度图像，S一般选择5层 Lowe的文章中 每组有s+3层图像 将原始图像隔点采样生成下一组尺度空间。%程序中smin=--1时为6层图像，smin=0时为5层图像 Ⅲ. 确定关键点的主方向 为了实现图像的实现旋转不变性，需要根据检测到的特征点局部图像结构求得一个方向基准。用图像梯度的方法求取该局部结构的稳定方向。对于已检测到的特征点，我们已经知道该特征点的尺度值 ，因此根据这一尺度值，得到接近这一尺度值的高斯图像。 上式中， 和 分别为高斯金字塔 处梯度的大小和方向， 所用到的尺度为每个关键点所在的尺度 特征向量归一化处理： 1.将用三维数组存储的梯度转换为用一维数组存储，一维数组的大小为128 2.对128个梯度进行归一化处理 3.将归一化后的梯度值限制在0.2：如果某一个归一化后的梯度值大于0.2，则该梯度值将被直接取值为0.2 4.再次进行梯度归一化处理 5.对每一个梯度值乘以一个系数（经验值为512.0），将浮点的梯度值转化为整数。如果乘积大于512，则该梯度值就为512，否则为乘积值。 总结 Sift算法的优缺点： 优点：1.需要较少的经验主义知识，易于开发 2.具有较强的匹配能力和鲁棒性（由其特点可知） 缺点：维数高实时性差 Sift算法的应用领域： 图像检索，图像配准，人脸识别等 * * sift算法原理 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Sift算法的主要特点： 稳定性 独特性 多量性 高速性 可扩展性 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Sift算法主要步骤： 尺度空间的极值点检测 建立高斯金字塔 生成DOG金字塔 DOG空间极值点检测 关键点的精确定位 确定关键点的主方向 生成sift特征矢量（生成关键点的描述子） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 一副二维图像，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： 式中， 代表图像的像素位置， 代表图像的尺度空间， 为尺度空间因子，其值越小则表征被平滑的越少，相应的尺度也就越小。 同时大尺度对应于图像的概貌特征，小尺度对应于图像的细节特征。 Ⅰ.尺度空间的极值检测 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 高斯卷积核是实现尺度变换的唯一线性核，其定义如下： 其中， 是空间坐标， 代表高斯正态分布的方差， 亦即尺度坐标（在尺度空间中）。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0.