物体识别中特征基于SIFT特征提取描述匹配.ppt

物体识别中的局部特 征提取 基于SIFT算法的检测、描述和匹配  基于图像进行物体识别的过程 特征提取 特征匹配 待识别的图含情识 词的粒 包含兴翟 图像的时学 特征提取底 于其但 征提取 检测子) 特征描述专正门 形成特 (描述子)等 在特征库中 进行匹配 特征库  局部特征 用于识别的要求局部特征: ●重复性 图像变化 对应特征不变性 ●可区分性 ●准确性 对比度 对比度不变性 ●数量以及效率 平移不变性 ●不变性 旋转不变性 尺度变化 尺度不变性 仿射变换 仿射不变性 视角变化 立体物体多角度建模  传统的局部特征提取 ●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、线或边缘,对环境的适 应能力较差 ●需要一种鲁棒性强、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  SIFT算法的主要特点 ●SF特征是图像的局部特征,其对平移、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SFT特征向量 ●可扩展性,可以很方便的与其他形式的特征向量进行联合。  例如旋转不变性