原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
SURF算法在图像检索中的应用
图像检索 与 SURF: Speeded-Up Robust Features 快速稳健特征点;SURF适用的领域;图像检索简介;TBIR(Text-Based Image Retrieval);CBIR(Content-Based Image Retrieval);Google气味搜索;Tencent SOSO气味搜索;CBIR的两个关键问题;特征提取;特征提取;语义鸿沟;低层视觉特征的提取;低层视觉特征的提取：颜色;低层视觉特征的提取：纹理;低层视觉特征的提取：形状;SURF：介绍;SURF：可用领域;SURF：作者目标;SURF：兴趣点检测 – 积分图;SURF：兴趣点检测 – 尺度变换;SURF：兴趣点检测 – 高斯函数;SURF：兴趣点检测 – 高斯函数;SURF：兴趣点检测 – 高斯函数;SURF：兴趣点检测 – Hessian矩阵;SURF：兴趣点检测 – Hessian矩阵;用矩形滤波近似高斯函数，其近似Hessian行列式为：
w is needed for the energy conservation between the Gaussian kernels and the approximated Gaussian kernels
计算过程可用积分图进行加速;Lowe的SIFT中通过不断缩小图像得到金???塔
SUFT中只是增大高斯矩形滤波器，计算量小;SURF将尺度空间划分成若干组(Octaves),一个组代表了固定数目的、逐步放大的滤波模板对同一个输入图像的一系列响应。;3 x 3 x 3非最大化抑制;通过计算尺度空间的Haar小波响应在x，y方向的偏导数，来生成64D的描述子。
1、以兴趣点为中心，以6s（s为兴趣点所在尺度）为半径的圆形区域内，确定主方向，以实现旋转不变性；
2、构建一个沿主方向的正方形，并从中提取SURF描述子。;以兴趣点为中心，6s为半径的圆形区域内，计算Haar小波响应，小波边长为4s；
用中心位于兴趣点的σ=2s的高斯滤波器加权
;以兴趣点为中心，用中心角为π/3的滑动窗口,计算窗口内的x、y方向加权小波响应的和，输出一个向量，向量长度最长的方向，即为主方向;旋转到主方向;旋转到主方向;旋转到主方向;;SIFT的计算基于梯度方向
SURF基于主方向，抗噪声性更好;兴趣点检测时，计算了Hessian矩阵，可用拉普拉斯算子，即Hessian矩阵的迹，排除一大部分不匹配的点。;马氏距离（Mahalanobis）
向量x = (x1, x2, x3, … xp)T
均值为μ = (μ1, μ2, μ3, … μp)T
协方差矩阵为Σ
马氏距离为：;欧氏距离（Euclidean）
如果马氏距离中的协方差矩阵Σ为单位阵，则马氏距离简化为欧氏距离
文档评论（0）