梯度方向直方图本质 - yirui wu.ppt

* * 关键点匹配 分别对模板图（参考图，reference image）和实时图（观测图，observation image）建立关键点描述子集合。目标的识别是通过两点集内关键点描述子的比对来完成。具有128维的关键点描述子的相似性度量采用欧式距离。 * * 关键点匹配 原图像 目标图像 穷举匹配 * * 模板图中关键点描述子： 实时图中关键点描述子： 任意两描述子相似性度量： 要得到配对的关键点描述子， 需满足： 关键点匹配 * * 关键点的匹配可以采用穷举法来完成，但是这样耗费的时间太多，一般都采用一种叫kd树的数据结构来完成搜索。搜索的内容是以目标图像的关键点为基准，搜索与目标图像的特征点最邻近的原图像特征点和次邻近的原图像特征点。 关键点匹配 Kd树是一个平衡二叉树 * * 关键点匹配 Back * * 来自网友的创意 ——周正龙的老虎 SIFT算法的应用 图1周正龙的华南虎照片与年画上的华南虎照片12点匹配 图2周正龙的华南虎照片与真实的华南虎照片0点匹配 Back THANK YOU 解释为什么要尺度空间求极值点？ 解释为什么要尺度空间求极值点？ 解释为什么要尺度空间求极值点？ * * 根据文献《Scale-space theory: A basic tool for analysing structures at different scales》我们可知，高斯核是唯一可以产生 多尺度空间的核，一个图像的尺度空间，L（x,y,σ) ,定义为原始图像 I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ) 卷积运算。 关键点检测 高斯函数 尺度是自然存在的，不是人为创造的！高斯卷积只是表现尺度空间的一种形式… 关键点检测的相关概念 * * 3. 高斯模糊 高斯模糊是在Adobe Photoshop等图像处理软件中广泛使用的处理 效果，通常用它来减小图像噪声以及降低细节层次。这种模糊技术生成 的图像的视觉效果是好像经过一个半透明的屏幕观察图像。  关键点检测 关键点检测的相关概念 * * 关键点检测 r为模糊半径， 在减小图像尺寸的场合经常使用高斯模糊。在进行欠采样的时，通常在采样之前对图像进行低通滤波处理。这样就可以保证在采样图像中不会出现虚假的高频信息。 关键点检测的相关概念 * * 在实际应用中，在计算高斯函数的离散近似时，在大概3σ距离之外的像素都可以看作不起作用，这些像素的计算也就可以忽略。 通常，图像处理程序只需要计算 关键点检测 高斯模板大小的选择 0000000000000000000000000000000000000000000000000高斯模板 关键点检测的相关概念 * * 高斯模糊具有圆对称性。 高斯模糊具有线性可分的性质，也可以在二维图像上对两个独立的一维空间分别进行计算。这样可以大大减少了运算的次数。 对一幅图像进行多次连续高斯模糊的效果与一次更大的高斯模糊可以产生同样的效果，大的高斯模糊的半径是所用多个高斯模糊半径平方和的平方根。例如，使用半径分别为 6 和 8 的两次高斯模糊变换得到的效果等同于一次半径为 10 的高斯模糊效果， 根据这个关系，使用多个连续较小的高斯模糊处理不会比单个高斯较大处理时间要少。 高斯模糊的性质 关键点检测 关键点检测的相关概念 * * 高斯金子塔的构建过程可分为两步： （1）对图像做高斯平滑； （2）对图像做降采样。 为了让尺度体