sift算法讲解课件-PPT.pptVIP

SIFT特征匹配技术任甲元郑舒颖金喆1

图像配准结果典型应用2

关键技术：局部特征提取3

局部特征：感兴趣区域检测描述子感兴趣区域描述子012310023…500113715…1421100322…4

DavidLoweComputerScienceDepartment

2366MainMall

UniversityofBritishColumbia

Vancouver,B.C.,V6T1Z4,CanadaE-mail:

作者简介5

SIFT概述SIFT算法由D.G.Lowe1999年提出，2004年完善总结。此后Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。定义：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。特点：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的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。6

1、检测尺度空间极值点。2、精确定位极值点。关键点检测3、为每个关键点指定方向。4、关键点描述子的生成。描述子生成SIFT概述7

2、精确定位极值点。关键点检测3、为每个关键点指定方向。4、关键点描述子的生成。描述子生成1、检测尺度空间极值点。SIFT概述8

大家有疑问的，可以询问和交流可以互相讨论下，但要小声点9

尺度空间极值点检测10

尺度空间极值点检测尺度空间：二维尺度可变高斯核函数（滤波函数），高斯核和高斯微分是尺度空间分析的惟一平滑核。(本实验采用一维高斯函数)空间坐标尺度空间因子（坐标）二维图像函数11

高斯差分尺度空间（DOGscale-space）：是尺度归一化LOG算子的近似高斯金字塔的构建：高斯金字塔共o(7)阶，每阶有s(6)层，下一阶的图像由上一阶图像降采样得到。尺度空间极值点检测12

13

14

15

归一化16

归一化gray0=13579101117

归一化gray0=135791011gray1=0246891018

归一化gray0=135791011gray1=02468910gray2=02/104/106/108/109/10119

归一化gray0=135791011gray1=02468910gray2=02/104/106/108/109/1010=gray2=120

21

22

放大一倍23

放大一倍24

放大一倍25

放大一倍26

放大一倍27

放大一倍28

放大一倍29

放大一倍30

31

32

高斯滤波33

高斯滤波34

高斯滤波35

高斯滤波36

高斯滤波37

高斯滤波38

高斯滤波39

高斯滤波40

高斯滤波41

高斯滤波42

高斯滤波43

高斯滤波44

高斯滤波45

高斯滤波46

高斯滤波47

高斯滤波48

高斯滤波49

高斯滤波50

51

52

53

54

55

56

降采样57

降采样58

降采样59

降采样60

降采样61

降采样62

降采样63

降采样64

降采样65

降采样66

降采样67

降采样68

降采样69

降采样70

降采样71

降采样72

降采样73

降采样74

降采样75

降采样76

77

78

79

80

81

在3x3x3邻域内选择所有的极值中间的检测点和尺度空间共26个点比较尺度空间极值点检测82

关键点检测3、为每个关键点指定方向。4、关键点描述子的生成。描述子生成SIFT概述2、精确定位极值点。1、检测尺度空间极值点。83

x采样检测到的极值实际极值极值点定位两步检验：1、必须与周围的像素有明显的差异，即滤除低对比度的点。2、不能是边缘