物体识别中的特征基于SIFT特征提取描述匹配.pptxVIP

下载本文档

0
0
约小于1千字
约 39页
2023-08-17 发布于江苏
举报
版权申诉

物体识别中的特征基于SIFT特征提取描述匹配.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

会计学;基于图像进行物体识别的过程;特征提取中的常见问题;局部特征;传统的局部特征提取;7;SIFT算法的主要特点;9;尺度空间;尺度空间;图像多尺度表示;图像多尺度表示;SIFT算法步骤;15;■;17;在实际应用中，在计算高斯函数的离散近似时，在大概3σ距离之外的像素都可以看作不起作用，这些像素的计算也就可以忽略。通常，图像处理程序只需要计算;高斯金字塔高斯金子塔的构建过程可分为两步：对图像做高斯平滑；对图像做降采样。为了让尺度体现其连续性，在简单降采样的基础上加上了高斯滤波。一幅图像可以产生几组（octave）图像，一组图像包括几层（interval）图像。;20;高斯金字塔的组内尺度与组间尺度组内尺度是指同一组（octave）内的尺度关系，组内相邻层尺度化简为：;最后可将组内和组间尺度归为：;上一组图像的底层是由前一组图像的倒数第二层图像隔点采样生成的。这样可以保持尺度的连续性。;关键点检测相关问题;DoG的局部极值点关键点是由DOG空间的局部极值点组成的。为了寻找DoG函数的极值点，每一个像素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。;精确确定极值点位置;去除低对比度极值点：;边缘响应处的极值点的去除;关键点方向分配;关键点方向分配;关键点方向分配;特征检测;关键点描述;关键点描述;关键点描述;关键点描述;关键点描述;将产生的图像区域划分成4*4的小块，对每个小块统计其每个像素的梯度值和方向，形成梯度直方图。整个图像块就表示为4*4*8=128 为的特征向量。描述子向量元素门限化及门限化后的描述子向量规范化。描述子向量元素规范化：为得到的128描述子向量,为规范化后的向量;谢谢！