SIFT算法详解及应用 讲的很详细.doc

BEIJING INSTITUTE OF TECHNOLOGY 尺度不变特征变换匹配算法 Scale Invariant Feature Transform （SIFT） 1/60 2012/3/27 提纲SIFT Scale Invariant Feature Transform 简介1.SIFT 2.算法实现细节SIFT 算法的应用领域3.SIFT 算法的扩展与改进4.SIFT2 2012/3/27 简介SIFT SIFT Scale Invariant Feature Transform ? 传统的特征提取方法成像匹配的核心问题是将同一目标在不同时间、不同 ?分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘，对环境的适应能力较差，急需提出一种鲁棒性强、能够适应不同 光照、不同位姿等情况下能够有效识别目标的方法。3 2012/3/27 SIFT SIFT简介 Scale Invariant Feature Transform SIFT?提出的目的和意义 David G. Lowe Computer Science Department 2366 Main Mall University of British Columbia Vancouver, B.C., V6T 1Z4, Canada lowe@cs.ubc.ca E-mail: ）教授总结了现有.年British Columbia大学大卫劳伊（David G.Lowe1999?的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－SIFT（尺度不变特征变换），这种算法在2004年被加以完善。 4 2012/3/27 SIFT SIFT简介 Scale Invariant Feature Transform Original image courtesy of David Lowe ? 将一幅图像映射（变换）为一个局部特征向量集；特征向量具有平移、缩放、旋转不变性，同时对光照变化、仿射及投影变换也有一定 不变性。5 2012/3/27 SIFT 简介SIFT Scale Invariant Feature Transform ? SIFT 算法特点? 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。 ? 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。 ? 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 ? 经过优化的SIFT算法可满足一定的速度需求。 可扩展性，可以很方便的与其他形式的特征向量进行联合。 ? 6 2012/3/27 SIFT SIFT简介 Scale Invariant Feature Transform ? 算法可以解决的问题 SIFT 目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决： RST ）目标的旋转、缩放、平移（ ?? /viewpoint ）图像仿射投影变换（视点? illumination ）光照影响（? occlusion ）目标遮挡（? clutter ）杂物场景（? 噪声Back 7 2012/3/27 SIFT 算法实现细节SIFT Scale Invariant Feature Transform ? SIFT算法实现步骤简述SIFT算法的实质可以归为在不同尺度空间上查找特征点（关键点）的问题。 特征点特征点目标的特原图像描述检测征点集SIFT匹配点矫特征点匹正配目标图像目标的特特征点特征点征点集检测描述SIFT SIFT算法实现物体识别主要有三大工序，1、提取关键点；2、对关键点附加详细的信息（局部特征）也就是所谓的描述器；3、通过两方特征点（附带上特征向量的关键点）的两两比较找出相互匹配的若干对特征点，也就建立了景物间的对应关系。 8 2012/3/27 SIFT 算法实现细节SIFT Scale Invariant Feature Transform ? SIFT算法实现步骤 关键点检测1. 2. 关键点描述3. 关键点匹配4. 消除错配点 9 2012/3/27 关键点检