SIFT特征提取与匹配
2016-10-18 23:21
232 查看
ps:看过的东西老是不记得,还是多整理整理,加深理解,慢即是快。
关于sift,以下两个博客讲得非常详细啦,稍作整理记录。
http://blog.csdn.net/zddblog/article/details/7521424
http://blog.csdn.net/abcjennifer/article/details/7639681
特征点过滤并进行精确定位,剔除不稳定的特征点;
在特征点处提取特征描述符,为特征点分配方向值;
生成特徵描述子,利用特徵描述符尋找匹配點;以特征点为中心取16*16的邻域作为采样窗口,将采样点与特征点的相对方向通过高斯加权后归入包含8个bin的方向直方图,最后获得4*4*8的128维特征描述子。
計算變換參數。當两幅图像的Sift特征向量生成以后,下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中關鍵點到相似性判定度量。取圖1的某個關鍵點,通過遍歷找到圖像2中到距離最近到兩個關鍵點。在這兩個關鍵點中,如果次進距離除以最近距離小於某個閾值,則判定爲一對匹配點。
首先解释下什么是尺度与尺度空间,
关于sift,以下两个博客讲得非常详细啦,稍作整理记录。
http://blog.csdn.net/zddblog/article/details/7521424
http://blog.csdn.net/abcjennifer/article/details/7639681
一. 综述
1. 简述
尺度不变特征变换SIFT(Scale-invariant feature transform)是一种检测与描述图像局部特征的算法,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由 David Lowe在1999年所发表,2004年完善总结。2. 应用:
其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。二. 步骤
构建尺度空间,检测极值点,获得尺度不变性;特征点过滤并进行精确定位,剔除不稳定的特征点;
在特征点处提取特征描述符,为特征点分配方向值;
生成特徵描述子,利用特徵描述符尋找匹配點;以特征点为中心取16*16的邻域作为采样窗口,将采样点与特征点的相对方向通过高斯加权后归入包含8个bin的方向直方图,最后获得4*4*8的128维特征描述子。
計算變換參數。當两幅图像的Sift特征向量生成以后,下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中關鍵點到相似性判定度量。取圖1的某個關鍵點,通過遍歷找到圖像2中到距離最近到兩個關鍵點。在這兩個關鍵點中,如果次進距離除以最近距離小於某個閾值,則判定爲一對匹配點。
三. 具体过程
构建尺度空间。首先解释下什么是尺度与尺度空间,
相关文章推荐
- python opencv-3.0 SIFT/SURF 特征提取与匹配
- OpenCV中提取SIFT特征点、图像匹配、图像配准
- sift图像特征提取与匹配算法代码
- Sift算子特征点提取、描述及匹配全流程解析
- OpenCV实践之路——Qt中用opencv提取和匹配SIFT特征点
- SIFT特征提取与匹配
- sift图像特征提取与匹配算法代码
- Sift算子特征点提取、描述及匹配全流程解析
- SIFT特征提取,特征匹配
- OpenCV中feature2D学习——SIFT和SURF算子实现特征点提取与匹配
- opencv-python 提取sift特征并匹配
- 三维重建(二)Sift特征提取与匹配
- Opencv中sift特征提取与匹配代码
- 单尺度上Harris-SIFT特征提取匹配
- OpenCV中feature2D学习——FAST特征点检测与SIFT/SURF/BRIEF特征提取与匹配
- Sift算子特征点提取、描述及匹配全流程解析
- 三维重建(二)Sift特征提取与匹配
- OpenCV中feature2D学习——SIFT和SURF算子实现特征点提取与匹配
- Sift算子特征点提取、描述及匹配全流程解析
- 模式匹配之sift--- sift图像特征提取与匹配算法代码