图像特征提取.pptVIP

从尺度不变关键点选择可区分的图像特征 规划书籍的整体版面 图像特征 特征数量：它对目标识别尤为重要，要具备探测杂乱背景下 的小目标能力，要求每个目标至少有三个特征被正确的匹配才是可靠的识别。 图像特征提取的方法 特点：它可以生成大量特征，它们的密集覆盖了整个图像尺度和位置。一幅500*500的像素的典型图片可以产生约2000个稳定的特征。 SIFT算法的步骤 1.尺度空间的生成 2.尺度空间极值点探测 3.精确定位极值点（关键点） 4.为每一个关键点指定方向参数 5.关键点描述子的生成 尺度空间理论的目的是模拟图像数据的多尺度特征，高斯卷积核是实现尺度变换的唯一线性核。于是一幅二维图像的尺度空间函数定义为： 构造高斯差分尺度空间 表达式： 尺度空间极值探测 为了探测尺度空间极值点，每个样本点都要和它当前图像的八个近邻点和上下尺度上的各九个近点邻相比较，确保在二维图像空间和尺度空间都检测到极值点。只有在它比所有近邻大或者小时才会被选择，认为该点是图像在尺度下的一个特征点。 精确定位极值点 通过拟合三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点（DoG算子会产生较强的边缘响应），以增强匹配稳定性，提高抗噪声能力。 空间尺度函数：