图像SIFT特征提取研究.pptVIP

图像SIFT特征提取研究 SIFT算法由David G. Lowe 1999年提出， 2004年总结不变量技术的特征检测方法 ,提出的一种对尺度空间、图像缩放、旋转甚至仿射不变的图像局部特征描述算子。 SIFT 主要思想与算法的主要特点 思想： 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： a) 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。 b) 独特性好，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。 c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。 SIFT算法步骤： 检测尺度空间极值点 精确定位极值点 为每个关键点指定方向参数 关键点描述子的生成 尺度空间的极值检测 为了达到尺度不变性 ,理论上必须在图像所有可能的尺度空间中搜索不变的特征 ,但是实际上这是不可能的。解方法就是对尺度空间图像进行亚采样。将平滑和亚采样重复进行 ,就可得到能构成金字塔的一系列图像。 如下定义二维高斯滤σ波函数。其中 表示高斯函数的方差。 一幅 N ×N的图像 I（ x, y ），在不同尺度空间下的表示