SIFT尺度不变特征转换.pdf

- 宋程 2009.12.20 • 图像处理核心技术种类 – 模式识别 – 运动跟踪 关键技术：局部特征提取 局部特征：感兴趣区域检测描述子 感兴趣区域 描述子 0 12 31 0 0 23 … 5 0 0 11 37 15 … 14 21 10 0 3 22 … 理想的感兴趣区域 • 有典型的尺度、方向 • 很快获取、匹配 • 多尺度技术也称为多分辨率技术。 • 多尺度图像技术指对图像采用多尺度的表达,并在不同 尺度下分别进行处理。 • 在很多情况下,图像中某种尺度下不容易看出或获取的 特性在另外的尺度下很容易看出来或检测到。所以利用 多尺度常可以更有效地提取图像特征,获取图像内容。 • 对同一幅图像用不同的尺度表达后,相当于给图像数据 的表达增加了一个新的坐标。即除了一般使用的空间的 分辨率外,现在又多了一个刻画当前分辨率层次的新参 数。 SIFT算法由D.G.Lowe1999年提出，2004年完善总结。此后Y.Ke 将其描述子部分用PCA代替直方图的方式，对其进行改进。 定义：SIFT算法是一种提取局部特征的算法，在尺度空间寻找极 值点，提取位置、尺度、旋转不变量。 特点： 1、SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持 不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 2、独特性（Distinctiveness）好，信息量丰富，适用于在海量特征数 据库中进行快速、准确的匹配。 3、多量性，即使少数的几个物体也可以产生大量的SIFT特征向量。 4、高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 5、可扩展性，可以很方便的与其他形式的特征向量进行联合。 关键点检测 1、检测尺度空间极值点。 2、精确定位极值点。 描述子生成 3、为每个关键点指定方向。 4、关键点描述子的生成。 关键点检测 2、精确定位极值点。 描述子生成 3、为每个关键点指定方向。 4、关键点描述子的生成。 尺度空间： L x , y ,σ G x , y ,σ *I x , y ( ) ( ) ( ) G (x, y,σ) 二维尺度可变高斯核函数（滤波函数）， 高斯核和高斯微分是尺度空间分析的惟一 平滑核。 I x , y 二维图像函数 ( ) 1 2 2 2 G (x, y,σ) 2 e−(x +y )/ 2σ 2πσ (x , y ) 空间坐标 σ 尺度空间因子（坐标） 高斯差分尺度空间（DOG scale-space）： D (x, y , ) (G (x, y ,k ) G (x, y , )) I (x, y )