sift算法讲解.pptVIP

关键点检测 3、为每个关键点指定方向 描述子生成 1、检测尺度空间极值点 2、精确定位极值点 1、首先将坐标轴旋转为关键点的方向，以确保旋转不 变性。 2、以关键点为中心取8×8的窗口。 3、在每4×4的小块上计算8个方向的梯度方向直方图，绘 制每个梯度方向的累加值，即可形成一个种子点。 邻域方向性信息联合的思想增强了算法抗噪声的能力，同时对于含有定位误差的特征匹配也提供了较好的容错性。 实际计算过程中，为了增强匹配的稳健性，建议对每个关键字使用4×4共16个种子点来描述，这样对于一个关键点就可以产生128个数据，最终形成128维SIFT特征向量。 --此时SIFT特征向量已经去除了尺度变化、旋转等几何变化因素的影响，再继续将特征向量的长度归一化，则可以进一步去除光照变化的影响。 当两幅图像的SIFT特征向量生成后，下一步采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。 --取图像1中的某个关键点，并找出其与图像2中欧氏距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。降低这个阈值，SIFT匹配点数目会减少，但更加稳定。 展望： 期末考后-高斯金字塔边缘扩展- 提取潜在特征点-精炼特征点 -计算方向 -特征点描述 - 对image03做同样处理-特征点匹配 -年底前完成 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 9 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 9 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 9 11 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 9 11 1 2 3 4 5 5 4 5 6 7 8 8 7 8 9 10 11 11 10 11 12 13 14 14 13 14 15 16 17 17 13 14 15 16 17 17 1 3 5 7 9 11 13 1 2 3 4 5 5 4 5 6 7 8 8 7 8