计算机视觉大作业.pptVIP

SIFT的主要思想。 SIFT算法的主要特点。 SIFT算法的实现。 SIFT算法详细过程。 算法应用 SIFT可以处理两幅图像之间发生平移、旋转仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。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。 （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。 一幅图像SIFT特征向量的生成算法总共包括4步: （1）检测尺度空间极值点，初步确定关键点位置和所在尺度。 （2）精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边响应点，以增强匹配稳定性、提高抗噪声能力。 （3）为每个关键点指定方向参数，使算子具备旋转不变性。 （4）关键点描述子的生成，即生成SIFT特征向量。 （1）尺度空间的生成： 高斯卷积核是实现尺度变换的唯一线性核，于是一幅二维图像的尺度空间定义为： （2