物體識別中的特征-基于sift特征提取、描述、匹配(專業(yè)版)
【正文】 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。讓該比值小于一定的閾值 。 這樣 可以保持尺度的連續(xù)性。 ?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 。物體 識別中的局部特征提取 ——基于 SIFT算法的檢測、描述和匹配 基于圖像進行物體識別的過程 待訓(xùn)練的圖像 ?包含感興趣的的物體 特征提?。z測子） ?使感興趣的物體區(qū)別于其他部分 特征描述（描述子） ?形成獨特的特征向量 特征庫 特征提取 特征匹配 待識別的圖像 ?包含待識別的物體 特征提取 ?使感興趣的物體區(qū)別于其他部分 特征描述 ?形成獨特的特征向量 在特征庫中進行匹配 判斷識別情況 圖像特征 ?全局特征 ?大小、灰度分布、顏色、全局邊緣 ?局部特征 ?點、線 ?角點 ?區(qū)域 內(nèi)的邊緣 ?局部極值 特征提取中的常見問題 物體所在環(huán)境復(fù)雜 ?光照 ?對比度 ?雜散背景 ?目標被遮擋 物體運動導(dǎo)致的識別困難 ?平移、旋轉(zhuǎn) ?尺度變化 ?彷射 變換 ?視點變化（例如站在立體物體不同側(cè)面，看到的圖像可能大不相同） 局部 特征 用于識別的要求局部特征： ?重復(fù)性 ?可區(qū)分性 ?準確性 ?數(shù)量以及效率 ?不變性 圖像變化 對應(yīng)特征不變性 亮度 亮度不變性 對比度 對比度不變性 平移 平移不變性 旋轉(zhuǎn) 旋轉(zhuǎn)不變性 尺度變化 尺度不變性 仿射變換 仿射不變性 視角變化 立體物體多角度建模 傳統(tǒng)的局部特征提取 ? 成像匹配的核心問題是將同一目標在不同時間、不同分辨率、不同光照、不同位姿情況下所成的像相對應(yīng) 。 ?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。 關(guān)鍵 點檢測相關(guān) 問題 24 對應(yīng) DOG算子，我們要構(gòu)建 DOG金字塔 我們可以通過高斯差分圖像看出圖像上的像素值變化情況。 為了檢測主曲率是否在某域值 r下，只需檢測 成立時將關(guān)鍵點保留，反之剔除。 35 關(guān)鍵點描述 xyxy3 oc t?3oc t?xy3 oc t?3 oc t? Lowe實驗結(jié)果表明 ： 描述子采用 4 4 8＝ 128維向量表征 ， 綜合效果最優(yōu)（不變性與獨特性）。然后在 4 4的窗口內(nèi)計算 8個方向的梯度方向直方圖。 假設(shè)是 α較大的特征值，而是 β較小的特征值，令 ， 則 兩個特征值相等時最小，隨著的增大而增大。 O c t a v e 1O c t a v e 2O c t a v e 3O c t a v e 4O c t a v e 5?2?4?8?……………19 4. 高斯金字塔 關(guān)鍵 點檢測相關(guān) 問題 20 O c t a v e
試題試卷相關(guān)推薦
鄂ICP備17016276號-1