物體識(shí)別中的特征-基于sift特征提取、描述、匹配-展示頁(yè)
2024-08-20 09:47本頁(yè)面
【正文】 些點(diǎn)是一些十分突出的點(diǎn)不會(huì)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(huì)有相互對(duì)應(yīng)的匹配點(diǎn)。 大尺度對(duì)應(yīng)于圖像的概貌特征，小尺度對(duì)應(yīng)于圖像的細(xì)節(jié)特征。對(duì)離散 函數(shù)要 使用高斯函數(shù)的某種離散近似。 ?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。這個(gè)單參數(shù)函數(shù)族就叫做尺度 空間。 ?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(guò)程 。現(xiàn)實(shí)世界 的物體 也總是通過(guò)不同尺度的觀察而得到不同的變化。 ?可擴(kuò)展性，可以很方便的與其他形式的特征向量進(jìn)行聯(lián)合。 ?獨(dú)特性 好，信息量豐富，適用于在海量特征數(shù)據(jù)庫(kù)中進(jìn)行快速、準(zhǔn)確的匹配。 David G. Lowe Computer Science Department 2366 Main Mall University of British Columbia Vancouver, ., V6T 1Z4, Canada Email: SIFT算法 SIFT算法的主要特點(diǎn) ?SIFT特征是圖像的局部特征，其 對(duì)平移、旋轉(zhuǎn) 、尺度縮放、亮度變化保持 不變性 。 ?需要一 種魯棒性強(qiáng)、能夠適應(yīng)不同光照、不同位姿等情況下能夠有效識(shí)別目標(biāo)的方法 。物體 識(shí)別中的局部特征提取 ——基于 SIFT算法的檢測(cè)、描述和匹配 基于圖像進(jìn)行物體識(shí)別的過(guò)程 待訓(xùn)練的圖像 ?包含感興趣的的物體 特征提?。z測(cè)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(dú)特的特征向量 特征庫(kù) 特征提取 特征匹配 待識(shí)別的圖像 ?包含待識(shí)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(dú)特的特征向量 在特征庫(kù)中進(jìn)行匹配 判斷識(shí)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(diǎn)、線 ?角點(diǎn) ?區(qū)域 內(nèi)的邊緣 ?局部極值 特征提取中的常見(jiàn)問(wèn)題 物體所在環(huán)境復(fù)雜 ?光照 ?對(duì)比度 ?雜散背景 ?目標(biāo)被遮擋 物體運(yùn)動(dòng)導(dǎo)致的識(shí)別困難 ?平移、旋轉(zhuǎn) ?尺度變化 ?彷射 變換 ?視點(diǎn)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(shí)別的要求局部特征： ?重復(fù)性 ?可區(qū)分性 ?準(zhǔn)確性 ?數(shù)量以及效率 ?不變性 圖像變化 對(duì)應(yīng)特征不變性 亮度 亮度不變性 對(duì)比度 對(duì)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(wèn)題是將同一目標(biāo)在不同時(shí)間、不同分辨率、不同光照、不同位姿情況下所成的像相對(duì)應(yīng) 。 ?傳統(tǒng) 的匹配算法往往是直接提取角 點(diǎn)、線或 邊緣，對(duì)環(huán)境的適應(yīng)能力 較差。
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1