的极值点提供了最稳定的特征3.ppt

的极值点提供了最稳定的特征 去除边界响应原理 SIFT算法分析 第一步 构建高斯金字塔以及高斯差分金字塔 说明： 原始图像的尺度sigma_pre可以认为是0.5，如果原始图像在构建高斯金字塔之前它的尺寸加倍，则加倍后的原始图像的尺度为2*0.5。加倍的方式采用的是立方插值法。 高斯金字塔第0组第0层的尺度为sigma=1.6,它是由原始图像经过高斯模糊后得到的，高斯模糊函数的高斯核sigma_diff*sigma_diff=sigma*sigma-sigma_pre*sigma_pre.依照这个原理可以计算出产生其它几层图像所需要的高斯核函数。 金字塔的组数由下面的式子确定：octvs=log(min(长，宽))/log(2)-2. 下一组高斯金字塔的第0层图像由前一组高斯金字塔中尺度为2sigma的图像经过最邻近插值得到。采用的是降采样。 高斯差分金字塔由高斯金字塔上的相邻两幅图像直接相减得到。 说明：极值点寻找的范围： 差分金字塔中的第0层和最上面的一层排除 中间的差分图像中，像素的横坐标或者纵坐标中任一个值与图像边界值之间的差值小于5的点排除 步骤1：进行像素的预筛选 凡是像素值的绝对值小于(0.5 * contr_thr / intvls)的点排除，程序中contr_thr=0.04， intvls=3. 步骤2：定位极值点的坐标和所在的尺度 每一个采样点要和它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小。如上图所示，中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较，以确保在尺度空间和二维图像空间都检测到极值点。 步骤3：对极值点进行泰勒展开，将它的坐标和尺度进行精确定位 假设极值点的坐标为X=(x,y,intvl)，此时这三个方向上的坐标都为整数 根据泰勒公式可以计算出以极值点为原点相对于极值点在行，列以及层数上的偏移量 ，X_P=(x_p,y_p,intvl_p). 定位准则：1）如果三个方向上的偏移量都小于0.5，则认为该点就是极值点。此时可以结束对这个极值点的分析，保存该点的偏移信息，然后分析该极值点的像素值是否满足要求。2）如果某一方向上的偏移量大于等于0.5，如假设x_p=0.5,则采取下述方式进行处理：先将x_p四舍五入得到一个整数intx,然后将intx与x相加得到一个新的极值点X_N=(x+intx,y,intvl),如果点X_N没有进入预先排除的区域则对这个点进行泰勒展开（否则该点被放弃，然后分析下一个极值点），直到找到一个点的偏移满足在三个方向上都小于0.5为止，然后记下点X_N及其偏移值，此时极值点为X_N。但是这个重新确定极值点并重新定位的操作只能循环5次。若超过5次仍无法满足1）的要求，这该极值点被放弃，然后分析下一个点。 利用公式 确定精确定位后的极值点的像素值，进行对比度的检测。若像素值满足大于contr_thr / intvls（程序中为0.04/3），则该点才能最终确定为极值点。 步骤4：去除边界影响点 计算极值点处的Hessian矩阵H 。 如果点满足 则该点保留，否则该点将会被排除。 为最大特征值， 为最小的特征值 ,在程序中r=10. 计算公式：scl_octv = sigma * pow( 2.0, intvl / intvls )，式中： scl_octv 为关键点的尺度， intvl为关键点在高斯差分金字塔中所处于的层数，程序中sigma=1.6,intvls=3 第四步 计算关键点的主方向 步骤1：计算梯度方向直方图 计算梯度方向直方图的范围为以关键点为原点，偏移为rad的正方形区域，rad=四舍五入（3*1.5* scl_octv ） 梯度加权系数w的确定： w = exp( -( i*i + j*j )/exp_denom )，i,j为像素点在以关键点为原点的坐标系中所处的坐标值，范围为（-rad,rad）; exp_denom=2.0 * （1.5* scl_octv ） * （1.5* scl_octv ） 每个像素点的梯度值都必须乘以该点所对应的高斯权，这样才能得到最终的梯度值。 然后根据计算出的梯度方向确定该点处于梯度方向直方图的哪个bin，并将处于该bin内的所有点的加权后的梯度相加。 程