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(shí)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(jìn)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(jìn)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(shí)現(xiàn)邊緣 、角 點(diǎn)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(biāo) 由近到遠(yuǎn)時(shí)目標(biāo)在視網(wǎng)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(xiàn)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(shù)（ 計(jì)算機(jī)視覺 中為２維），嵌入到一族單參數(shù) 函數(shù) 族中。這個單參數(shù)函數(shù)族就叫做尺度 空間。 ?單參數(shù) 函數(shù)族的生成方法就是將要處理 的函數(shù) 與核函數(shù)進(jìn)行卷積 。 ?核函數(shù) 選擇的核心原則是保證在生成的 單參數(shù) 函數(shù)族中，局部極值的穩(wěn)定性和 數(shù)目隨 單參數(shù)的增加的遞減性。 ?由于 幾個條件的約束導(dǎo)致，對連續(xù)函數(shù) 必須 使用高斯函數(shù)做為卷積核。對離散 函數(shù)要 使用高斯函數(shù)的某種離散近似。 圖像多尺度表示 根據(jù)尺度理論，高斯 卷積核是實(shí)現(xiàn)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(yīng)的尺度也就越小。 大尺度對應(yīng)于圖像的概貌特征，小尺度對應(yīng)于圖像的細(xì)節(jié)特征。 SIFT算法步 驟 檢測 尺度關(guān)鍵點(diǎn)（空間 極值點(diǎn) ） 精確 定位關(guān)鍵點(diǎn)， 去除低對比度點(diǎn)和不穩(wěn)定邊緣點(diǎn) 為每個關(guān)鍵點(diǎn)指定方向參數(shù) 關(guān)鍵點(diǎn)描述子的生成 15 所謂 關(guān)鍵點(diǎn)，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(diǎn) 。 根據(jù)歸納 ，特征 點(diǎn)具有的三個特征： 尺度 方向 大小 1. 哪些點(diǎn)是 SIFT中要查找的關(guān)鍵點(diǎn)（特征點(diǎn)）？ 這些點(diǎn)是一些十分突出的點(diǎn)不會因光照條件的改變而消失，比如角點(diǎn)、 邊緣點(diǎn)、暗區(qū)域的亮點(diǎn)以及亮區(qū)域的暗點(diǎn)，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(diǎn)，這些點(diǎn)之間會有相互對應(yīng)的匹配點(diǎn)。 關(guān)鍵點(diǎn)檢測相關(guān)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?yàn)椋? ????2?? = ???????? 利用差分近似 代替微分 ，則有 ： ??2??2?? ≈ ?? ??,??,???? ???(??,??,??)?? ?1 其中 k1是個常數(shù)，并不影響極值點(diǎn)位置的求取。再轉(zhuǎn)換到高斯差分算子（ DOG）中 ： 關(guān)鍵 點(diǎn)檢測相關(guān) 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(xì)節(jié)層次。這
試題試卷相關(guān)推薦
鄂ICP備17016276號-1