物體識別中的特征-基于sift特征提取、描述、匹配-預覽頁
【正文】 可以產(chǎn)生大量 SIFT特征向量。 ?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(xiàn)邊緣 、角 點檢測和不同分辨率上的特征提取等。 ?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)進行卷積 。 圖像多尺度表示 根據(jù)尺度理論，高斯 卷積核是實現(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的尺度也就越小。 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(shù)，并不影響極值點位置的求取。 通常，圖像處理程序只需要計算 (6 1 ) (6 1 )??? ? ?18 模板大小的 選擇 關鍵 點檢測相關 問題 ?高斯金子塔的構(gòu)建過程可分為兩步： （ 1）對圖像做高斯平滑； （ 2）對圖像做降采樣。 這樣 可以保持尺度的連續(xù)性。）DOG圖像描繪的是目標的輪廓。 關鍵點檢測 26 精確確定極值點位置 1. 在檢測到極值點后，對差分算子 D(x,y,σ)進行二 階泰勒展開 ，求導數(shù)的零點，對應為 DOG算子，精確 定位檢測到的 極值點為： 2. 再求出當前關鍵點到精確到 ?? 的 最 大偏移量后，若其值大于 點，將關鍵點換成相鄰的點，重復前兩步。在Lowe的論文中提到當 D(X)小于 為不穩(wěn)定極值點 ，此點將被去 除掉。讓該比值小于一定的閾值 。 ? ?, IIg r a d I x y xy????? ??????? ? ? ? ? ?? ? ? ? ? ?? ?22, 1 , 1 , , 1 , 1m x y L x y L x y L x y L x y? ? ? ? ? ? ? ?? ? ? ? ? ?? ? ? ?1 , 1 , 1, ta n 1 , 1 ,L x y L x yxy L x y L x y? ? ??? ? ?? ??? ? ???? 像素點的梯度表示 梯度幅值： 梯度方向： 我們通過求每個極值點的梯度來為極值點賦予方向。 關鍵點 描述 ?描述 的目的 ?描述的目的是在計算 關鍵點 后，用一組向量將這個關鍵點描述出來，這個描述子不但包括關鍵點，也包括關鍵點周圍對其有貢獻的像素點。其中描述子由 2 2 8維向量表征，也即是2 2個 8方向的方向 直方圖組成。繪制每個梯度方向的累加可形成一個種子點，如右圖所示：一個特征點由 4個種子點的信息所組成。整個圖像塊就表示為 4*4*8=128為的特征向量。
試題試卷相關推薦
鄂ICP備17016276號-1