一.SIFT(Scale Invariant Feature Transform) 算法

1.圖像尺度空間

• 要讓計(jì)算機(jī)能夠?qū)ξ矬w在不同尺度下有一個(gè)統(tǒng)一的認(rèn)知，就要需要考慮圖像在不同尺度(遠(yuǎn)近，大小，顏色區(qū)別等)下存在的特點(diǎn)．
• 尺度空間的獲取通常使用高斯模糊來(lái)實(shí)現(xiàn)．I(x,y)表示一幅圖像，G(x,y,sigma)為高斯函數(shù)，對(duì)圖像做高斯濾波．
  
• 選擇不同大小的矩陣，做濾波；sigma主要控制矩陣中值的大小，不同的sigma的高斯函數(shù)決定了對(duì)圖像的平滑程度，越大的sigma對(duì)應(yīng)的圖像月模糊；

2.多分辨率金字塔

• 對(duì)中不同大小的圖像都做出多個(gè)高斯濾波；

3.高斯差分金字塔(DOG)

• 提取有價(jià)值的信息，可以對(duì)相同大小(一組)的圖像作差(相鄰間圖像作差)，可以消除相同的信息，提取出不同的信息(特征)；
• 對(duì)結(jié)果圖像組中的選擇差分結(jié)果較大值，是比較重要的特征；
  

4.DoG空間極值檢測(cè)

• 選取一個(gè)點(diǎn)，在本圖像中和其８鄰域點(diǎn)進(jìn)行比較，還要和去相鄰的上一幅圖和下一幅圖的８鄰域內(nèi)的所有點(diǎn)作比較，來(lái)確定該點(diǎn)的大小(總共２６個(gè)點(diǎn)進(jìn)行比較)．
  

5.關(guān)鍵點(diǎn)的精確定位

• 這些候選關(guān)鍵點(diǎn)是　DOG空間的局部極值點(diǎn)，而且這些極值點(diǎn)均為離散的點(diǎn)，精確定位極值點(diǎn)的一種方法是：對(duì)尺度空間DOG函數(shù)進(jìn)行曲線擬合，計(jì)算其極值點(diǎn)，從而實(shí)現(xiàn)關(guān)鍵點(diǎn)的精確定位；
• 對(duì)離散的點(diǎn)進(jìn)行求導(dǎo)，可以利用原始函數(shù)求導(dǎo)公式；
  
• 對(duì)于圖像數(shù)據(jù)，是一個(gè)三維的數(shù)據(jù)，用同樣的方法來(lái)計(jì)算極值；
  

６.消除邊界響應(yīng)

7. 特征點(diǎn)的主方向

• 每個(gè)特征點(diǎn)可以得到三個(gè)信息(x,y,sigma,seta),即位置，尺度，和方向．具有多個(gè)方向的關(guān)鍵點(diǎn)可以被復(fù)制成多分，然后將方向值分別賦值給復(fù)制后的特征點(diǎn)，一個(gè)特征點(diǎn)就產(chǎn)生了多個(gè)坐標(biāo)，尺度相等，但是方向不同的特征點(diǎn)；

８.生成特征描述

• 方向和大小；

• 梯度直方圖；

• 在完成關(guān)鍵點(diǎn)的梯度計(jì)算后，使用直方圖統(tǒng)計(jì)鄰域內(nèi)像素的梯度和方向(主方向)；

• 為了保證特征矢量的旋轉(zhuǎn)不變性，要以特征點(diǎn)為中心，在附近鄰域內(nèi)將坐標(biāo)軸旋轉(zhuǎn)seta角度，即將坐標(biāo)軸旋轉(zhuǎn)為特征點(diǎn)的主方向；
  
  
  

• 分為四個(gè)區(qū)域，進(jìn)行統(tǒng)計(jì)；
  
  

總結(jié)

以上是生活随笔為你收集整理的计算机视觉－SIFT的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。