第六章影像匹配第次课.pptVIP

第五节 特征匹配---SIFT算子;SIFT算子 影像匹配策略;SIFT(Scale Invariant Feature Transform)算子最早由于1999年提出，但直到2004年才对该算子做了全面的总结，其主要特点： ;一 尺度空间的极值探测;一 尺度空间的极值探测 ;1.1 尺度空间;Koenderink和Lindeberg证明： 高斯卷积核是实现尺度变换的唯一的线性核。 ; 一幅二维图像，在不同尺度下的尺度空间表示可由图像与高斯核卷积得到： ; 一幅二维图像，在不同尺度下的尺度空间表示可由图像与高斯核卷积得到： ;高斯卷积结果;1.2 DOG算子 ;大量试验证明：当;;1.3 高斯差分尺度空间的生成;（2）将第一层尺度空间中的相邻高斯金字塔影像相减，生成高斯差分金字塔影像。;;;通过大量试验证明：;2)随着 值的增大，提取的极值点的重复性也逐渐增大，当 =1.6时最佳。 ;1.4 局部极值探测;;去边缘效应;去边缘效应;三 确定关键点的主方向;三 确定关键点的主方向;由图3.25试验中的影像生成的关键点梯度矢量;;五 寻找最临近点（匹配）;;SIFT特征匹配结果;;;旋偏角37度影像匹配;回顾SIFT算子的主要特点： ;影像匹配存在以下两个问题。 （1)搜索范围的确定和匹配策略 （2）匹配点粗差的剔除;七 影像匹配策略; 对