物體識別中的特征-基于sift特征提取、描述、匹配-文庫吧
2025-07-21 09:47 本頁面
【正文】 實世界 的物體 也總是通過不同尺度的觀察而得到不同的變化。 ?尺度 空間理論最早在 1962年提出，其主要思想是通過對原始圖像 進行 尺度變換，獲得圖像多尺度下的尺度空間表示序列，對這些序列 進行尺度 空間主輪廓的提取，并以該主輪廓作為一種特征向量，實現邊緣 、角 點檢測和不同分辨率上的特征提取等。 ?尺度 空間中各尺度圖像的模糊程度逐漸變大，能夠模擬人在距離 目標 由近到遠時目標在視網膜上的形成過程 。 尺度是自然存在的，不是人為創(chuàng)造的！高斯卷積只是表現尺度空間的一種形式 … 尺度空間 ?尺度空間就是將要處理的ｎ維函數（ 計算機視覺 中為２維），嵌入到一族單參數 函數 族中。這個單參數函數族就叫做尺度 空間。 ?單參數 函數族的生成方法就是將要處理 的函數 與核函數進行卷積 。 ?核函數 選擇的核心原則是保證在生成的 單參數 函數族中，局部極值的穩(wěn)定性和 數目隨 單參數的增加的遞減性。 ?由于 幾個條件的約束導致，對連續(xù)函數 必須 使用高斯函數做為卷積核。對離散 函數要 使用高斯函數的某種離散近似。 圖像多尺度表示 根據尺度理論，高斯 卷積核是實現尺度變換的唯一變換核，也是唯一的線性核： 一幅二維圖像，在不同尺度下的尺度空間表示可由圖像與高斯核卷積得到： 222 2/)(221),( ????yxeyxG ???),(*),(),( yxIyxGyxL ?? ?圖像多尺度表示 σ稱為 尺度空間因子，其值越小則表征該圖像被平滑的越少相應的尺度也就越小。 大尺度對應于圖像的概貌特征，小尺度對應于圖像的細節(jié)特征。 SIFT算法步 驟 檢測 尺度關鍵點（空間 極值點 ） 精確 定位關鍵點， 去除低對比度點和不穩(wěn)定邊緣點 為每個關鍵點指定方向參數 關鍵點描述子的生成 15 所謂 關鍵點，就是在不同 尺度空間 的圖像下檢測出的具有 方向信息 的 局部極值點 。 根據歸納 ，特征 點具有的三個特征： 尺度 方向 大小 1. 哪些點是 SIFT中要查找的關鍵點（特征點）？ 這些點是一些十分突出的點不會因光照條件的改變而消失，比如角點、 邊緣點、暗區(qū)域的亮點以及亮區(qū)域的暗點，既然兩幅圖像中有相同的景物， 那么使用某種方法分別提取各自的穩(wěn)定點，這些點之間會有相互對應的匹配點。 關鍵點檢測相關問題 特征提取算子：尺度 歸一化的高斯 拉普拉斯算子（ LOG） ??2??2??，因為： ????2?? = ???????? 利用差分近似 代替微分 ，則有 ： ??2??2?? ≈ ?? ??,??,???? ???(??,??,??)?? ?1 其中 k1是個常數，并不影響極值點位置的求取。再轉換到高斯差分算子（ DOG）中 ： 關鍵 點檢測相關 問題 17 2. 高斯 模糊 高斯模糊是在 Adobe Photoshop等圖像處理軟件中廣泛使用的處理 效果，通常用它來減小圖像噪聲以及降低細節(jié)層次。這
試題試卷相關推薦
鄂ICP備17016276號-1