基于sift特征点的图像匹配方法研究PPT.ppt

3.2特征匹配 (2) 利用相似度准则进行特征匹配 常用的相似性测度准则: 欧氏距离, 马氏距离, Hausdorff 距离等。 特征匹配 特征匹配分两步： (1) 对特征作描述 现有的主要特征描述子： SIFT特征描述子, SURF特征描述子， 对比度直方图 (CCH)， DAISY特征描述子， 矩方法 3.2特征匹配 特征描述 --SIFT特征描述子 主要思想：一种基于图像梯度分布的特征描述子。 特点：抗干扰性好。但维数高，计算复杂度大。 3.2特征匹配 特征描述 --SURF特征描述子 主要思想：将特征点的周围区域分成几个子区域，用每个子区域内像素点的X,Y方向的偏导和及其绝对值的和组成特征点的描述子。 特点：有较好的抗亮度变化能力。但是该描述子要求使用积分图像，限定了其应用范围。 3.2特征匹配 特征描述 --对比度直方图 主要思想：将特征点周围区域的像素点与特征点的对比度形成直方图来描述该特征点。 特点：该方法比基于梯度的描述子要快。但描述力比基于梯度的要略微弱一点。 3.2特征匹配 特征描述 --DAISY特征描述子 主要思想：