图像匹配算法研究之sift算法

图像匹配算法研究之sift算法

ID:30819868

大小:57.00 KB

页数:7页

时间:2019-01-03

图像匹配算法研究之sift算法_第1页
图像匹配算法研究之sift算法_第2页
图像匹配算法研究之sift算法_第3页
图像匹配算法研究之sift算法_第4页
图像匹配算法研究之sift算法_第5页
资源描述:

《图像匹配算法研究之sift算法》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、图像匹配算法研究之sift算法SIFT算法由D.G丄owe1999年提出,2004年完善总结,论文发表在2004年的UCV上,主要用于提取具有图像旋转不变性和伸缩不变性的特征点。这项技术可以推广到图像识别、图像拼接以及图像恢复等。DavidG.Lowe,HDistinctiveimagefeaturesfromscale-iinvariantkeypoints,MInternationalJournalofComputerVision,60,2(2004),pp.91-110论文详细地址:lowesi

2、ft算法算法主要分为4个步骤:•scale-spaceextremadetection-尺度空间上的极值检测•keypointlocalization-关键点的定位•orientationassignment一为关键点标定方向•keypointdescriptor-提取特征点描述符$1•尺度空间上的极值检测在介绍这一部分的时候,先引入几个概念:•降采样:对于一幅图像而言的降采样就是每隔儿行、儿列得到取一点,组成一个新的图像。以比例因了为2的降采样來说:就是対一幅图像每隔一行一列取一点。•升采样:其实一

3、种插值,就是在一幅图像里利用和关的插值运算得到一幅大的图像!比如比例因了为2的升采样就是每个相邻像素点种插值出一个像素(这里包扌舌X、Y两个方向),最常用的插值方法有线性插值等。•图像金字塔:由一个原始图像经过降采样得到一幅图像,再对新的图像做降采样,重复多次构成的一组集合。以采样因了2为例说明,如果形象的把这些图像摞起來就想一个金字塔,每次Z间长和宽大小恰好为2倍关系,故此得名。•高斯卷积:就是权函数为高斯函数的模板进行卷积运算。通常做高斯卷积后的图像会比原图像平滑但也会模糊,所以乂称高斯模糊!•高

4、斯金字塔:高斯金字塔里有两个概念:组(Octave)和层(Level或Interval),每组里有若干层!高斯金字塔的构造是这样的,第一组的第一层为原图像,然后将图像做一次高斯平滑(高斯卷积、高斯模糊)高斯平滑里有一个参数&,在SIFT里作者取1.6o然后将6乘一个比例系数k作为新的平滑因了來平滑第一组第二层得到第三层,重复若干次,得到L层(L一般取5)他们分別对应的平滑参数为:0,6,k6,k26,k36o然后将最后一幅图像做比例因子为2的降采样得到第二组的第一层,然后对第二组的第一层做参数是6的高

5、斯平滑,对第二层做k6的平滑得到第三层••…这里一定注意:每组对应的平滑因了6是一样的,而不是像有的资料上说的持续递增。这样反复形成了O组L层的高斯金字塔。一般模糊的高斯模板长宽都约为66(这里&为当次的平滑因子,就是可能是k6,k25..)•DoG(DifferenceofGaussian)金字塔:是由高斯金字塔构造出来的,他的第一组第一层是由高斯金字塔的第一组第二层减第一组第一层,他的第一组第二层是由高斯金字塔的第一组第三层减第一组第二层得到。每组都这样就生成了一个DoG金字塔。顺便说一下,DoG

6、金字塔每组图像几乎都是一片黑,但仔细看你能看出轮廓的。最后关于金字塔具体处理的说明:1)在SIFT里高斯金字塔的第一组第一层通常是由一个原图像长宽扩大一倍开始的,这样做是为了可以得到更多的特征点;2)大家可以发现如果用每组5层的高斯金字塔构造一个DoG金字塔的的话,DoG的每组的层数是4;3)对于DoG金字塔,特征点的搜索从每组的二层到倒数第二层的(后面说明为什么),所以如果DoG金字塔有效层数目为n的话,那么DoG金字塔应该有n+2层,那么对应的高斯金字塔应该有n+3层;4)高斯金字塔从第二组开始的

7、每组第一层是由上一组的倒数笫二层降采样得到的,如下所示。讲了这么多概念,现在止式开始讲解如何在尺度空间里寻找特征点啦。由于图像进行伸缩等变换后尺度空间发生变化,所以为了方便找出匹配点,需要将图像在不同的尺度空间里进行平滑,并相减得到更多的边缘等高频信息(特征点的集中域)。高斯平滑并计算dog金字塔利用下面的3个计算公式:至于为什么用DOG算子来捉取额特征点,而不是hessian或者其他角点方法比如Harris,是因为Mikolajczyk(2002)发现通过计算出来的局部区域极大值和极小值与上述几种角

8、点相比能产生更加稳定的特征点。但是上而的公式和DOG又冇素描关系呢?看下而的公式就知道了:进一步得到二》两者Z间只是相差了(k・1)62倍而已,不影响特征点的寻找。还有一点需要说明的是,这里不同的&就是代表不同的尺度,0(本身),6,k6,等等…&的值越大,意味着尺度空间越大。具体该怎么理解尺度这个概念呢,就是需要描述的像素灰度分布越广,尺度越广,也就是说越模糊的图像尺度也越大。举个例子,有两个灰度值分别为0和1,模糊后变为0.4和0.6,要表示这两个灰

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。