sift算法的不错的讲解
Feature Matching
田知本。沈允中。徐士璿
?Block matching
Specify feature correspondence
What is feature?
同樣一個物體在不同視角下得到兩張影像, 想要identify在這兩張影像中, 哪一個點, 是對應到物體上的同一個點
通常找有特徵的點, ex: 位在角落上的點
最簡單的方法: 用顏色來找, 但是會找到太多顏色一樣的點; 因為一個點本身的information太少, 會有很多ambiguous的match, 所以單獨一
個點是不夠的
Block matching
在這個點周圍建立一個block(window), ex: 5x5, 假設說從這個視角到另
一個視角, 這個window本身因為是local,很小,dense,沒什麼太大變化,
所以假設這個5x5 window裡25個點的顏色也不太會改變, 這樣子就會
有一個比較好的matching效果
Ex: 紅色方塊, 在scanline上作search, 對每個不同的offset d形成一個方塊, 然後拿來跟這個(紅色)方塊做比較算cost, cost最低就表示最接近(接
近: slides_8 - Sum of Squared Disteance(SSD)
把這兩個紅色方塊裡的pixel值拿來兩兩相減後再平方再取和, 表示它
們的”相似程度”)
想要找feautre point, 可是feature point太ambiguous, 所以要找一個feature descriptor來描述這個feature, 要夠distinctive. 所以把這點周圍
這個5x5的block當成一個25維的descriptor, 再去找看哪一個25維的
vector跟這個vector最接近(by SSD). 在這裡feature descriptor = 25–d
vector
?Features
一個feature matching algorithm被兩個component所決定
1.Detector: 決定哪個點是feature(不容易產生false matching的地方),
找出feature在哪裡
2.對這個feature做描述, 有了描述之後, 才能對兩個feature做比較
(ex: 25-d vector in block matching, 然後算它們的distance) 不同的algorithm有不同的detector & descriptor
怎樣是好的feature? slides_13:
1.distinctive: 很少有其他feature會得到一樣的descriptor, 不同的
feature對應到descriptor不一樣
2.invariant: feature不會受transformation的影響
25-d 只對translation invariant, 對rotation & affine等不是invariant
?Harris corner detector
改進Moravec detector
看這個點周圍的window來recognize這個feature, 不須看整張image 一個好的feature, 把這個window shift一下, 看到的東西會很不一樣, ex: slides_18
edge: 沿著某個方向移動, 看到的image block差不多, 也就是說這個點在這個dimension上會有ambiguity, 不是一個好feature
所以我們要detect的是corner, 也就是shift一下, 看到的東西會很不一樣的點
Moravec detector:
對(x, y)這個點, 加上shift(u, v), 看shift後的block跟原來的
block長得一不一樣(slides_20)
w(x, y): window function, 不同的點給不同的weight,
Box function in moravec detector: 這個block裡每個點都給它
一樣的weight
Measure shift(u,v) 產生出的error有多大, 希望找對所有(u, v),
E(u,v)都很大的點(x, y), 表示不管怎麼動, 看到的window都
很不一樣, 才是好的feature
把所有可能的(u, v)都算一次太慢, 所以只做四個方向的shift.
對(u,v) = (1,0), (1, 1), (0,1), (-1, 1), 找最小的那個E(u,v), 如果
連最小的都很大, 那其他E(u, v)一定也很大
所以對每個點產生四個vector ((1,0), (1, 1), (0,1), (-1, 1)), 對這
四個點找最小的E(u, v), 產生一張image, 然後再找local
maxima of 這張image (image of min{E}), 把這樣的點當作是
feature
找右上會cover到上面, 找四個跟八個(u, v)應該差不多
問題:
1.binary window function, response很noisy, min{E}不是一個很
smooth的image, 所以在detect local maxima時可能會很noisy
2.它只用了四個方向, 都是45度角或水平, 能detect的shift很
有限
3.對edge也會有很強的反應, 如果edge不是沿著45度角或水平,
還是會min{E}很大
Harris Corner Detector
針對這三個問題, 分別提出改進
1.不smooth => 用Gaussian function
2.只測試4個方向
=> 不只測試4個方向
但計算量太大, 用泰勒展開式考慮所有的小
shift(slides_23)
[formula]
E(u, v) becomes quadratic function, 它的E(u, v) = E的(u, v)畫出來的圖表示一個橢圓
不用把所有(u, v)帶入原本的function, 只要利用這個approximation+矩陣運算即可得到E(u, v), 而M這個矩陣可以直接由image本身得到
=============================================================
3.對edge反應太強烈 => 利用新的measurement方法
對M做eigen decomposition找eigenvalues lamda1, lamda2,
對應之橢圓為(slides 26).
lamda1, lamda2大表示E(u, v)在該軸方向上變化較大, 再
根據lamda1,lamda2的大小關係(slides 27)判斷是否為
corner
因為求eigenvalue比較慢, 再做一個簡化為slide 28. 利用
前面的原理求corner response R, R越大表示越是corner,
越小表示越不是corner
從另一個角度來看(slides 30,31):
?對flat而言, gradient分布在一個很小的圓內
?對edge而言, gradient分布在一個很細長的橢圓內
?對corner而言, gradient分布在一個很大的圓內
Summary (slides 32)
Harris一些特性:
對affine intensity是invariant, 因為是用gradient, 整張圖
亮度提升沒有影響
對intensity scaling也是invariant, threshold再乘上一個
scale
對rotation也是invariant, 旋轉後還是得到同樣的橢圓, 指
示方向變了(slides 40)
最大的問題 --- 對image scale是non-invariant! (slide 42),
scale改變feature就不見了!!
?SIFT (Scale Invariant Feature Transform)
1. Detection of scale-space extrema (slide 44~47)
SIFT是一個transformation，它會把一個image換成一些feature description。SIFT分成四個步驟來做，第一個步驟是detect scale-space的extrema。SIFT最大的一個目的就是要改進Harris corner detector不是
scale-invariant這個問題，那為了要達到scale-invariant，基本上就是要在所有的possible scales去search stable features。理論上是這樣，但是實際上是不可能的，所以就採用有點像是去sample scale space的方法；之後會看到其實不用sample太大，sample太大有時候可能會有壞處，所以理論上在一個reasonable的sampling frequency之下，就可以達到一個scale-invariant的
feature detection。
在SIFT裡面，是用Difference of Gaussian (DoG) filter來建立scale space。之所以使用DoG有兩個原因：第一個原因是DoG是一個比較有效率，計算上比較方便快速的filter；再來就是說它基本上跟Laplacion of
Gaussian差不多stable。
DoG filter (slide 48~49)
就跟之前Gaussian filter一樣，由σ來決定kernel的size、scale...。給定一個σ，就可以決定一個Gaussian filter，用這個filter
對image做filtering之後所產上的L，實際上就可以視為一個scale
為σ，跟σ相關的，而且scale-variable的一個image。那DoG filter，
基本上只是說，給定兩個不同scale的Gaussian filter，相減之後對
原來的image做filtering。Apply這個filter，相當於就是把image
對不同scale的Gaussian filter所產生的images相減，他們的效果
是一樣的。因為DoG filter基本上只是比原來Gaussian filter多做一
次減法而已，所以非常efficient，因此這裡才會用DoG filter來建
立scale-space。
接下來的問題就是這個scale-space應該長什麼樣子，sample 距離多遠等等。理論上來講，最底層就是沒有做過Gaussian filter，
把σ double了之後就跳到另外一個octave。而把σ double了之
後，sample rate就可以減半，相當於512*512→256*256，然後再
double...，一直做下去。在同一個octave裡面，再做一些sampling，
K就是下面一層的scale : K*σ，所以就可以把K視為是兩層相近
的scale之間的比例是多少，那為了要讓一個octave之間有s層
(level)，所以我們定K=2^(1/s)，因此當做完一個octave的時候，frequency就會剛好double。
這樣子的做法就跟以前在建Pyramid一樣，只是以前Laplacian 每做一層frequency就double，這樣子的sample太過於sparse。所以這裡為了得到比較dense的sampling，因此又在每一層octave多切了好幾層，每一層基本上我們需要s+3張image，s+1張是從σ到2σ之間所產上的，另外因為在求extrema的時候為了要跟鄰居相比，所以我們還需要兩張是比σ小一點和比2σ再大一點的image。所以可以看成是Laplacian pyramid的extension。每一層在經過Gaussian filtering過後，把image相減就可以得到相當於是經由DoG filter所產生的image，之後就在這個space上面做運算。
那什麼是extrema呢? (slide 50)
就是這個pixel(x, y)在26個鄰居裡面(上一個scale的9個點 + 這個scale的8個點 + 下一個scale的9個點)，它必須要是local maximum或minimum。因此在第一個步驟裡面，我們就可以把所有是local extrema的點給選出來，當作是feature的candidate。
s怎麼決定? (slide 51~55)
理論上應該要去sample整個space，但是這樣子太沒有效率，因此我們就要在效率和完整性之間做一個tradeoff。作者在這邊拿
了32張real image，去做一些transformation，然後設定不同的s
和ground truth相比，看哪個的repeatable rate(所有的feature裡面，
找到了幾個)最高，越高越好，根據實驗s=3最好，比3大的時候
會找到一些不stable的feature，而且s越大的時候，選到的feature
點數就越多。
另外一個實驗就是把原來的image 256*256做linear
interpolation放大到512*512，再apply σ=1.6的Gaussian filter做
pre-smoothing，這樣子的結過會比較robust。
由實驗的結果，我們可以看到Laplacian of Gaussian的效過其實還是最好的，但是cost相對較高，不過我們也可以把SIFT的
DoG filter看作是Laplacian of Gaussian的一種approximation。不過
不管如何，至少SIFT是比Harris corner detector更具有
scale-invariant。
2. Accurate keypoint localization (slide 56)
第一個步驟我們找出了可能是feature的點，接下來我們就要想辦法刪除一些不stable的feature point，像是contrast比較低的點不要，可能是edge 的點也不要。
Accurate keypoint localization (slide 57)
對於low contrast的點，基本上是用一個3D quadratic function 去fit，來找出sub-pixel maxima。這也是一個泰勒展開式，D是DoG
的結果，x是剛剛覺得可能是feature的點，根據泰勒展開式，藉由
D和x我們可以找到一個offset:。這個可以看做是真正local
extrema的sub-pixel的位置，然後再把帶進去泰勒展開式，如果
算出來的絕對值小於0.03，我們就說這個點是low contrast。
Eliminating edge responses (slide 58)
跟之前在算Harris Corner Detector的trace和det matrix的方法
類似，這裡如果不滿足下面這個不等式，我們就說這個點可能是
edge，這樣我們就可以把它剔除。
CYY: 這邊你們聽的懂嗎? 聽的懂嗎?... 你們都沒有回應，我也不知道你們有沒有聽懂，我自己是聽的很懂啦...
3. Orientation assignment (slide 60~69)
接下來的第三個步驟就是assignment description，這是為了接下來要拿來做matching用的。第一我們想要找出major orientation，找到了major orientation，之後如果我們要做matching的話，就可以把所有的image轉到這個local frame，這樣就可以達到rotation-invariant的目的。
因此對於每一個keypoint我們要去計算它gradient的大小和方向。這裡所採用的方法是orientation histogram，基本上的concept是說，對於每一個keypoint，我們去考慮它臨近周圍一個window內的點的gradient的方向，最多人投票的方向就當作major orientation。而每個鄰近的點對中央這個pixel的weight，就是一個Gaussian distribution再乘上該點的gradient的大小來決定。
如果orientation histogram的peak(超過80%的點支持這個方向)有好幾個的話，就可能會是multiple orientation的情形，那我們就會複製同一個feature point在使他們分別朝向不同的方向。不過這種情況並不多見，大概只會有15%的點會有這種情形。
P.S. keypoint ≡ feature point ≡ interesting point
4. Local image descriptor (slide 70~72)
在第三個步驟我們已經找出feature point的位置、scale、orientation，接下來第四步驟就是要找出description。最簡單的方法就是把這個image block存起來，但是這樣子太沒有邏輯了。所以這裡所採用的方法基本上還是根據orientation histogram。
我們把一個pixel附近8*8這個window切成2*2的sub-window，然後去統計每個sub-window的orientation histogram，因此這每個sub-window的orientation就由4*4的orientations用之前的方法來決定。每個orientation是8個bits，這樣每個pixel就會有4*8=32個dimentions。
至於為什麼會用orientation histogram來當做feature point descriptor呢?這是因為用gradient來做，會對illumination比較robust，再加上有考慮orientation，所以對rotation也會比較robust。
不過實際上我們是用8 orientations在加上4x4 histogram array總共128 dimensions來做。那為什麼用4*4*8呢? 這也是實驗得來的。理論上SIFT 並不適用於affine transform，不過根據實驗的結果，SIFT對affine transform 還滿robust的。
Results:
Local extrema
Remove low contrast
Remove edges
SIFT descriptor
。SIFT extensions
底下介紹兩個 extensions，都自稱比原本的 SIFT 更好。兩者皆用到 PCA (Principle Component Analysis) 的概念。以人臉為例，一張 64x64 人臉照片理論上應該是一個 64x64 維的 vector，因此描述該影像時，就得用如此高維度的資料來表示。但是由於“人臉” 具有一定的特性，因此並不是任意 64x64 維的資料皆可形成人臉，而那些之所以形成人臉的資訊，便是在此高維度資料中真正重要的資訊。PCA 就是一種計算如何用較低維度的 representation 來表達一具有高維資訊的方法。
PCA：把high dimensional vector 投影成low dimensional vector，並可把此 low dimensional vector 還原回可逼近原來的high dimensional vector。
。PCA-SIFT
改變原來 SIFT 中的步驟四。在feature (gradient space) 周圍 41x41 的 block 中去計算它的principle components (feature 之所以為 feature 就表示它具有特
殊的性質，不是任意 41x41 block 皆可形成 feature，因此存在有更精簡的表示方法)。PCA-SIFT 將原來的2x39x39 = 3042 維的 vector (block 的上下左右邊界不看，所以是 39)，降成 20 維 (SIFT 要 128 維) 以達到更精簡的表示方式。作者並宣稱可以有比 SIFT 好的效果。
。GLOH (Gradient Location-Orientation Histogram)
作者說它這方法比 PCA-SIFT 更好。方法是把原來 SIFT 中 4x4 棋盤格的location bins 改成用放射狀同心圓的17 location bins 來表示，並計算其中的gradient orientation histogram (orientation 的方向分類為 16 種)，因此總共是
16x17 = 272 維度的表示方式，之後再做 PCA 將之降維成 128 維的資訊，因此
保有跟 SIFT 一樣精簡的表示方法，但比 SIFT 有更佳的 performance。
。Application
z Recognition：例如先拍出玩具車各個角度的照片，算出各張圖的features 存在 database 中，之後進來新的圖片若想知道裡面有沒有玩
具車時，就去計算這張新進來的圖片的 features 並將這些 features
拿去之前建好的 database 做 search，若有 match 則表示裡面存在有
玩具車。
z3D object recognition：道理同上。Robustness 在於既使物體部分被遮擋住，仍可辨識出來。
z Office of the past：認出桌上的文件跑到什麼地方去。
z Image retrieval：用 feature match 在大量 database 中找出想要的照片。因為是 feature-based 所以視角改變並不會影響結果。
z Robot location：利用房間內的 features 所建立的 database 可幫助robot 知道自己在什麼位置。Sony 的 Aibo 就有把 SIFT 做進去，
可以讓 Aibo 在快沒電時能夠認出可以充電的地方自己走過去，或是
可以踢足球等等的應用。
z Structure from Motion：一種做 matchmove 的方法。根據 2D feature matching 來估計 3D 的參數。
z Automatic image stitching：自動把一堆 pictures 接成 panoramas。
SIFT算法原理
3.1.1尺度空间极值检测 尺度空间理论最早出现于计算机视觉领域，当时其目的是模拟图像数据的多尺度特征。随后Koendetink 利用扩散方程来描述尺度空间滤波过程，并由此证明高斯核是实现尺度变换的唯一变换核。Lindeberg ，Babaud 等人通过不同的推导进一步证明高斯核是唯一的线性核。因此，尺度空间理论的主要思想是利用高斯核对原始图像进行尺度变换，获得图像多尺度下的尺度空间表示序列，对这些序列进行尺度空间特征提取。二维高斯函数定义如下： 222()/221 (,,)2x y G x y e σσπσ-+= （5） 一幅二维图像，在不同尺度下的尺度空间表示可由图像与高斯核卷积得到： (,,(,,)*(,)L x y G x y I x y σσ)= （6） 其中(x,y )为图像点的像素坐标，I(x,y )为图像数据, L 代表了图像的尺度空间。σ称为尺度空间因子，它也是高斯正态分布的方差，其反映了图像被平滑的程度，其值越小表征图像被平滑程度越小，相应尺度越小。大尺度对应于图像的概貌特征，小尺度对应于图像的细节特征。因此，选择合适的尺度因子平滑是建立尺度空间的关键。 在这一步里面，主要是建立高斯金字塔和DOG(Difference of Gaussian)金字塔，然后在DOG 金字塔里面进行极值检测，以初步确定特征点的位置和所在尺度。 (1)建立高斯金字塔 为了得到在不同尺度空间下的稳定特征点，将图像(,)I x y 与不同尺度因子下的高斯核(,,)G x y σ进行卷积操作，构成高斯金字塔。 高斯金字塔有o 阶，一般选择4阶，每一阶有s 层尺度图像，s 一般选择5层。在高斯金字塔的构成中要注意，第1阶的第l 层是放大2倍的原始图像，其目的是为了得到更多的特征点；在同一阶中相邻两层的尺度因子比例系数是k ，则第1阶第2层的尺度因子是k σ，然后其它层以此类推则可；第2阶的第l 层由第一阶的中间层尺度图像进行子抽样获得，其尺度因子是2k σ，然后第2阶的第2层的尺度因子是第1层的k 倍即3 k σ。第3阶的第1层由第2阶的中间层尺度图像进行子抽样获得。其它阶的构成以此类推。 (2)建立DOG 金字塔 DOG 即相邻两尺度空间函数之差，用(,,)D x y σ来表示，如公式(3)所示： (,,)((,,)(,,))*(,)(,,)(,,)D x y G x y k G x y I x y L x y k L x y σσσσσ=-=- (7) DOG 金字塔通过高斯金字塔中相邻尺度空间函数相减即可，如图1所示。在图中，DOG 金字塔的第l 层的尺度因子与高斯金字塔的第l 层是一致的，其它阶也一样。
SIFT算法实现及代码详解
经典算法SIFT实现即代码解释： 以下便是sift源码库编译后的效果图：
为了给有兴趣实现sift算法的朋友提供个参考，特整理此文如下。要了解什么是sift算法，请参考：九、图像特征提取与匹配之SIFT算法。ok，咱们下面，就来利用Rob Hess维护的sift 库来实现sift算法： 首先，请下载Rob Hess维护的sift 库： https://www.360docs.net/doc/306376984.html,/hess/code/sift/ 下载Rob Hess的这个压缩包后，如果直接解压缩，直接编译，那么会出现下面的错误提示： 编译提示:error C1083: Cannot open include file: 'cxcore.h': No such file or directory，找不到这个头文件。 这个错误，是因为你还没有安装opencv，因为：cxcore.h和cv.h是开源的OPEN CV头文件,不是VC++的默认安装文件,所以你还得下载OpenCV并进行安装。然后，可以在OpenCV文件夹下找到你所需要的头文件了。 据网友称，截止2010年4月4日，还没有在VC6.0下成功使用opencv2.0的案例。所以，如果你是VC6.0的用户请下载opencv1.0版本。vs的话，opencv2.0,1.0任意下载。 以下，咱们就以vc6.0为平台举例，下载并安装opencv1.0版本、gsl等。当然，你也可以用vs编译，同样下载opencv（具体版本不受限制）、gsl等。 请按以下步骤操作： 一、下载opencv1.0 https://www.360docs.net/doc/306376984.html,/projects/opencvlibrary/files/opencv-win/1.0/OpenCV_1.0.exe
SIFT算法英文详解
SIFT: Scale Invariant Feature Transform The algorithm SIFT is quite an involved algorithm. It has a lot going on and can be come confusing, So I’ve split up the entire algorithm into multiple parts. Here’s an outline of what happens in SIFT. Constructing a scale space This is the initial preparation. You create internal representations of the original image to ensure scale invariance. This is done by generating a “scale space”. LoG Approximation The Laplacian of Gaussian is great for finding interesting points (or key points) in an image. But it’s computationally expensive. So we cheat and approximate it using the representation created earlier. Finding keypoints With the super fast approximation, we now try to find key points. These are maxima and minima in the Difference of Gaussian image we calculate in step 2 Get rid of bad key points Edges and low contrast regions are bad keypoints. Eliminating these makes the algorithm efficient and robust. A technique similar to the Harris Corner Detector is used here. Assigning an orientation to the keypoints An orientation is calculated for each key point. Any further calculations are done relative to this orientation. This effectively cancels out the effect of orientation, making it rotation invariant. Generate SIFT features Finally, with scale and rotation invariance in place, one more representation is generated. This helps uniquely identify features. Lets say you have 50,000 features. With this representation, you can easily identify the feature you’re looking for (sa y, a particular eye, or a sign board). That was an overview of the entire algorithm. Over the next few days, I’ll go through each step in detail. Finally, I’ll show you how to implement SIFT in OpenCV! What do I do with SIFT features? After you run through the algorithm, you’ll have SIFT features for your image. Once you have these, you can do whatever you want. Track images, detect and identify objects (which can be partly hidden as well), or whatever you can think of. We’ll get into this later as well. But the catch is, this algorithm is patented. >.< So, it’s good enough for academic purposes. But if you’re looking to make something commercial, look for something else! [Thanks to aLu for pointing out SURF is patented too] 1. Constructing a scale space Real world objects are meaningful only at a certain scale. You might see a sugar cube perfectly on a table. But if looking at the entire milky way, then it simply does not exist. This multi-scale nature of objects is quite common in nature. And a scale space attempts to replicate this concept
SIFT 特征提取算法详解
SIFT 特征提取算法总结 主要步骤 1)、尺度空间的生成； 2)、检测尺度空间极值点； 3)、精确定位极值点； 4)、为每个关键点指定方向参数； 5)、关键点描述子的生成。 L(x,y,σ), σ= 1.6 a good tradeoff
D(x,y,σ), σ= 1.6 a good tradeoff
关于尺度空间的理解说明：图中的2是必须的，尺度空间是连续的。在 Lowe 的论文中， 将第0层的初始尺度定为1.6，图片的初始尺度定为0.5. 在检测极值点前对原始图像的高斯平滑以致图像丢失高频信息，所以Lowe 建议在建立尺度空间前首先对原始图像长宽扩展一倍，以保留原始图像信息，增加特征点数量。尺度越大图像越模糊。 next octave 是由first octave 降采样得到（如2） ， 尺度空间的所有取值，s为每组层数，一般为3~5 在DOG尺度空间下的极值点 同一组中的相邻尺度（由于k的取值关系，肯定是上下层）之间进行寻找
在极值比较的过程中，每一组图像的首末两层是无法进行极值比较的，为了满足尺度 变化的连续性，我们在每一组图像的顶层继续用高斯模糊生成了 3 幅图像， 高斯金字塔有每组S+3层图像。DOG金字塔每组有S+2层图像.
If ratio > (r+1)2/(r), throw it out (SIFT uses r=10) 表示DOG金字塔中某一尺度的图像x方向求导两次 通过拟和三维二次函数以精确确定关键点的位置和尺度（达到亚像素精度）？
直方图中的峰值就是主方向，其他的达到最大值80%的方向可作为辅助方向 Identify peak and assign orientation and sum of magnitude to key point The user may choose a threshold to exclude key points based on their assigned sum of magnitudes. 利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备 旋转不变性。以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度 方向。梯度直方图的范围是0～360度，其中每10度一个柱，总共36个柱。随着距中心点越远的领域其对直方图的贡献也响应减小.Lowe论文中还提到要使用高斯函 数对直方图进行平滑，减少突变的影响。
SIFT算法C语言逐步实现详解
SIFT算法C语言逐步实现详解（上） 引言： 在我写的关于sift算法的前倆篇文章里头，已经对sift算法有了初步的介绍：九、图像特征提取与匹配之SIFT算法，而后在：九（续）、sift算法的编译与实现里，我也简单记录下了如何利用opencv，gsl等库编译运行sift程序。 但据一朋友表示，是否能用c语言实现sift算法，同时，尽量不用到opencv，gsl等第三方库之类的东西。而且，Rob Hess维护的sift 库，也不好懂，有的人根本搞不懂是怎么一回事。 那么本文，就教你如何利用c语言一步一步实现sift算法，同时，你也就能真正明白sift算法到底是怎么一回事了。 ok，先看一下，本程序最终运行的效果图，sift 算法分为五个步骤（下文详述），对应以下第二--第六幅图：
sift算法的步骤 要实现一个算法，首先要完全理解这个算法的原理或思想。咱们先来简单了解下，什么叫sift算法： sift，尺度不变特征转换，是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由David Lowe 在1999年所发表，2004年完善总结。 所谓，Sift算法就是用不同尺度（标准差）的高斯函数对图像进行平滑，然后比较平滑后图像的差别， 差别大的像素就是特征明显的点。 以下是sift算法的五个步骤： 一、建立图像尺度空间(或高斯金字塔)，并检测极值点 首先建立尺度空间，要使得图像具有尺度空间不变形，就要建立尺度空间，sift算法采用了高斯函数来建立尺度空间，高斯函数公式为：
上述公式G(x,y,e)，即为尺度可变高斯函数。 而，一个图像的尺度空间L（x,y,e) ,定义为原始图像I(x,y)与上述的一个可变尺度的2维高斯函数G(x,y,e) 卷积运算。 即，原始影像I(x，y)在不同的尺度e下，与高斯函数G(x,y,e)进行卷积，得到L(x,y,e)，如下： 以上的（x，y）是空间坐标，e，是尺度坐标，或尺度空间因子，e的大小决定平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征。大的e值对应粗糙尺度(低分辨率)，反之，对应精细尺度(高分辨率)。 尺度，受e这个参数控制的表示。而不同的L（x,y,e）就构成了尺度空间，具体计算的时候，即使连续的高斯函数，都被离散为（一般为奇数大小）(2*k+1) *(2*k+1)矩阵，来和数字图像进行卷积运算。 随着e的变化，建立起不同的尺度空间，或称之为建立起图像的高斯金字塔。 但，像上述L(x,y,e) = G(x,y,e)*I(x,y)的操作，在进行高斯卷积时，整个图像就要遍历所有的像素进行卷积(边界点除外)，于此，就造成了时间和空间上的很大浪费。 为了更有效的在尺度空间检测到稳定的关键点，也为了缩小时间和空间复杂度，对上述的操作作了一个改建：即，提出了高斯差分尺度空间（DOG scale-space）。利用不同尺度的高斯差分与原始图像I(x,y)相乘，卷积生成。 DOG算子计算简单，是尺度归一化的LOG算子的近似。 ok，耐心点，咱们再来总结一下上述内容： 1、高斯卷积 在组建一组尺度空间后，再组建下一组尺度空间，对上一组尺度空间的最后一幅图像进行二分之一采样，得到下一组尺度空间的第一幅图像，然后进行像建立第一组尺度空间那样的操作，得到第二组尺度空间，公式定义为 L(x,y,e) = G(x,y,e)*I(x,y)
SIFT算法分析
SIFT算法分析 1 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 2 SIFT 算法的主要特点： a)SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b)独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进 行快速、准确的匹配。 c)多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d)高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e)可扩展性，可以很方便的与其他形式的特征向量进行联合。 3 SIFT 算法流程图：
4 SIFT 算法详细 1）尺度空间的生成 尺度空间理论目的是模拟图像数据的多尺度特征。 高斯卷积核是实现尺度变换的唯一线性核，于是一副二维图像的尺度空间定义为： L( x, y, ) G( x, y, ) I (x, y) 其中G(x, y, ) 是尺度可变高斯函数，G( x, y, ) 2 1 2 y2 (x ) 2 e / 2 2 （x，y）是空间坐标，是尺度坐标。大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征。大的值对应粗糙尺度(低分辨率)，反之，对应精细尺度(高分辨率)。 为了有效的在尺度空间检测到稳定的关键点，提出了高斯差分尺度空间（DOG scale-space）。利用不同尺度的高斯差分核与图像卷积生成。 D( x, y, ) (G( x, y,k ) G( x, y, )) I ( x, y) L( x, y,k ) L( x, y, ) DOG算子计算简单，是尺度归一化的LoG算子的近似。图像金字塔的构建：图像金字塔共O组，每组有S层，下一组的图像由上一 组图像降采样得到。 图1由两组高斯尺度空间图像示例金字塔的构建，第二组的第一副图像由第一组的第一副到最后一副图像由一个因子2降采样得到。图2 DoG算子的构建： 图1 Two octaves of a Gaussian scale-space image pyramid with s =2 intervals. The first image in the second octave is created by down sampling to last image in the previous
sift算法详解
尺度不变特征变换匹配算法详解 Scale Invariant Feature Transform(SIFT) Just For Fun 张东东zddmail@https://www.360docs.net/doc/306376984.html, 对于初学者，从David G.Lowe的论文到实现，有许多鸿沟，本文帮你跨越。 1、SIFT综述 尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由David Lowe在1999年所发表，2004年完善总结。 其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。 此算法有其专利，专利拥有者为英属哥伦比亚大学。 局部影像特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。SIFT特征的信息量大，适合在海量数据库中快速准确匹配。 SIFT算法的特点有： 1.SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性； 2.独特性（Distinctiveness）好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配； 3.多量性，即使少数的几个物体也可以产生大量的SIFT特征向量； 4.高速性，经优化的SIFT匹配算法甚至可以达到实时的要求；
SIFT算法与RANSAC算法分析
概率论问题征解报告： （算法分析类） SIFT算法与RANSAC算法分析 班级：自23 姓名：黄青虬 学号：2012011438 作业号：146
SIFT 算法是用于图像匹配的一个经典算法，RANSAC 算法是用于消除噪声的算法，这两者经常被放在一起使用，从而达到较好的图像匹配效果。 以下对这两个算法进行分析，由于sift 算法较为复杂，只重点介绍其中用到的概率统计概念与方法——高斯卷积及梯度直方图，其余部分只做简单介绍。 一． SIFT 1. 出处：David G. Lowe, The Proceedings of the Seventh IEEE International Conference on (Volume:2, Pages 1150 – 1157), 1999 2. 算法目的：提出图像特征，并且能够保持旋转、缩放、亮度变化保持不变性，从而 实现图像的匹配 3. 算法流程图： 原图像 4. 算法思想简介： （1） 特征点检测相关概念： ◆ 特征点：Sift 中的特征点指十分突出、不会因亮度而改变的点，比如角点、边 缘点、亮区域中的暗点等。特征点有三个特征：尺度、空间和大小 ◆ 尺度空间：我们要精确表示的物体都是通过一定的尺度来反映的。现实世界的 物体也总是通过不同尺度的观察而得到不同的变化。尺度空间理论最早在1962年提出，其主要思想是通过对原始图像进行尺度变换，获得图像多尺度下的尺度空间表示序列，对这些序列进行尺度空间主轮廓的提取，并以该主轮廓作为一种特征向量，实现边缘、角点检测和不同分辨率上的特征提取等。尺度空间中各尺度图像的模糊程度逐渐变大，能够模拟人在距离目标由近到远时目标在视网膜上的形成过程。尺度越大图像越模糊。 ◆ 高斯模糊：高斯核是唯一可以产生多尺度空间的核，一个图像的尺度空间，L （x,y,σ) ,定义为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ) 卷积运算 高斯函数： 高斯卷积的尺度空间： 不难看到，高斯函数与正态分布函数有点类似，所以在计算时，我们也是 ()()() ,,,,*,L x y G x y I x y σσ=()22221 ()(),,exp 22i i i i x x y y G x y σπσσ??-+-=- ? ??
SIFT算法和卷积神经网络算法在图像检索领域的应用分析
SIFT算法和卷积神经网络算法在图像检索领域的应用分析 1、引言 基于内容的图像检索是由于图像信息的飞速膨胀而得到关注并被提出来的。如何快速准确地提取图像信息内容是图像信息检索中最为关键的一步。传统图像信息检索系统多利用图像的底层特征，如颜色、纹理、形状以及空间关系等。这些特征对于图像检索有着不同的结果，但是同时也存在着不足，例如：颜色特征是一种全局的特征，它对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好的捕捉图像中对象的局部特征，也不能表达颜色空间分布的信息。纹理特征也是一种全局特征，它只是物体表面的一种特性，并不能完全反映物体的本质属性。基于形状的特征常常可以利用图像中感兴趣的目标进行检索，但是形状特征的提取，常常受到图像分割效果的影响。空间关系特征可以加强对图像内容的描述和区分能力，但空间关系特征对图像或者，目标的旋转、平移、尺度变换等比较敏感，并且不能准确地表达场景的信息。图像检索领域急需一种能够对目标进行特征提取，并且对图像目标亮度、旋转、平移、尺度甚至仿射不变的特征提取算法。 2、SIFT特征 SIFT（Scale-Invariant Feature Transform，尺度不变特征转换）是一种电脑视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由David Lowe在1999年所发表，2004年完善总结。 局部特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点，与目标的大小和旋转无关，对于光线、噪声、些微视角改变的容忍度也相当高。使用SIFT特征描述对于部分物体遮蔽的侦测成功率也相当高，甚至只需要3个以上的SIFT 物体特征就足以计算出位置与方位。在现今的电脑硬件速度和小型的特征数据库条件下，辨识速度可接近即时运算。SIFT特征的信息量大，也适合在海量数据库中快速准确匹配。 SIFT算法的特点有： （1）SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变形，是非常稳定的局部特征，现在应用非常广泛。（仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并加上一个平移，变换为另一个向量空间。） （2）独特性（Distinctiveness）好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配； （3）多量性，即使少数的几个物体也可以产生大量的SIFT特征向量； （4）高速性，经优化的SIFT匹配算法甚至可以达到实时的要求； （5）可扩展性，可以很方便的与其他形式的特征向量进行联合。 SIFT算法可以解决的问题：目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。 而SIFT算法在一定程度上可解决：
SIFT算法实现原理步骤
SIFT 算法实现步骤 ：1 关键点检测、2 关键点描述、3 关键点匹配、4 消除错配点 1关键点检测 1.1 建立尺度空间 根据文献《Scale-space theory: A basic tool for analysing structures at different scales 》我们可知，高斯核是唯一可以产生多尺度空间的核，一个图像的尺度空间，L （x,y,σ) ,定义为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ) 卷积运算。 高斯函数 高斯金字塔 高斯金子塔的构建过程可分为两步： （1）对图像做高斯平滑； （2）对图像做降采样。 为了让尺度体现其连续性，在简单 下采样的基础上加上了高斯滤波。 一幅图像可以产生几组（octave ） 图像，一组图像包括几层 （interval ）图像。 高斯图像金字塔共o 组、s 层， 则有： σ——尺度空间坐标；s ——sub-level 层坐标；σ0——初始尺度；S ——每组层数（一般为3~5）。 当图像通过相机拍摄时，相机的镜头已经对图像进行了一次初始的模糊，所以根据高斯模糊的性质： -第0层尺度 --被相机镜头模糊后的尺度 高斯金字塔的组数: M 、N 分别为图像的行数和列数 高斯金字塔的组内尺度与组间尺度: 组内尺度是指同一组（octave ）内的尺度关系，组内相邻层尺度化简为： 组间尺度是指不同组直接的尺度关系，相邻组的尺度可化为： 最后可将组内和组间尺度归为： ()22221 ()(),,exp 22i i i i x x y y G x y σπσσ??-+-=- ? ??()()(),,,,*,L x y G x y I x y σσ=Octave 1 Octave 2 Octave 3 Octave 4 Octave 5σ2σ 4σ8 σ 0()2s S s σσ= g 0σ=init σpre σ()() 2log min ,3O M N ??=-?? 1 12S s s σσ+=g 1()2s S S o o s σσ++=g 222s S s S S o o σσ+=g g 121 2(,,,) i n k k k σσσσ--L 1 2 S k =
遥感图像处理在汶川地震中的应用分析
遥感图像处理在汶川地震中的应用分析 摘要 随着卫星技术的快速发展，遥感技术被越来越广泛的应用于国民经济的各个方面。本文结合汶川地震中遥感技术的应用实例，系统阐述了遥感应用于应急系统中需要解决的一系列关键技术问题。并就数据获取、薄云去除、图像镶嵌、图像解译，以及灾后重建中的若干关键技术问题展开了分析。关键词：遥感；地震；应用；关键技术 1 引言 长期以来，人们不断遭受到各种自然灾害的侵害，如地震、火山、洪水等，同时，由人为因素导致的灾难也不断发生，如火灾、恐怖袭击等。这些灾害具备破坏性、突发性、连锁性、难预报性等特点，往往容易造成重大的人员伤亡和巨大的财产损失。为了有效的应对突发事件，产生了各类应急系统。 灾区数据的实时获取足所有应急系统的基础。对于区域性的灾害，传统的地面调查方式，由于速度慢、面积小、需要人员现场勘查等无法避免的特点，很难满足应急系统的需要。相对而言，遥感技术有其得天独厚的优势：遥感传感器能实时的、大面积的、无接触的获取灾区数据，因此成为绝大多数应急系统中数据获取的主要手段。为了使遥感数据能满足应急系统中基础数据的要求，需要经过数据获取、数据预处理、图像解译等阶段的处理，最终提取出准确的遥感信息。下面将根据这三个阶段的处理技术展开阐述与分析，并以汶川地震为例，介绍遥感技术在应急救灾及灾后重建中的应用。 2 数据获取 灾害发生后，由于地形、气象等客观因素的影响，通过单一的遥感传感器往往很难获得灾区所有数据，需要充分发挥多种传感器的优势，获取灾区的各种类型数据，主要包括光学与SAR卫星遥感影像、光学与SAR航空遥感影像两大类。 2.1 光学与SAR卫星遥感影像的获取 此类数据包括国内外的众多高分辨率光学与SAR卫星遥感影像。从时间上说，重点是灾害发生前后数据的获取，以快速确定灾区的位置和前后的变化。 2.2 光学与SAR航空遥感影像的获取 此类数据是利用高空遥感琶机、无人机和卣升机等高、低空遥感平台，搭载遥感传感器，快速
SIFT特征提取分析
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points, or corner points）及其有关scale 和orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下： 算法描述 SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。整个算法分为以下几个部分： 1. 构建尺度空间 这是一个初始化操作，尺度空间理论目的是模拟图像数据的多尺度特征。 高斯卷积核是实现尺度变换的唯一线性核，于是一副二维图像的尺度空间定义为： 其中G(x,y,σ) 是尺度可变高斯函数 （x，y）是空间坐标，是尺度坐标。σ大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征。大的σ值对应粗糙尺度(低分辨率)，反之，对应精细尺度(高分辨率)。为了有效的在尺度空间检测到稳定的关键点，提出了高斯差分尺度空间（DOG scale-space）。利用不同尺度的高斯差分核与图像卷积生成。 下图所示不同σ下图像尺度空间：
关于尺度空间的理解说明：2kσ中的2是必须的，尺度空间是连续的。在 Lowe的论文中，将第0层的初始尺度定为1.6（最模糊），图片的初始尺度定为0.5（最清晰）. 在检测极值点前对原始图像的高斯平滑以致图像丢失高频信息，所以Lowe 建议在建立尺度空间前首先对原始图像长宽扩展一倍，以保留原始图像信息，增加特征点数量。尺度越大图像越模糊。 图像金字塔的建立：对于一幅图像I,建立其在不同尺度(scale)的图像，也成为子八度（octave），这是为了scale-invariant，也就是在任何尺度都能够有对应的特征点，第一个子八度的scale为原图大小，后面每个octave为上一个octave降采样的结果，即原图的1/4（长宽分别减半），构成下一个子八度（高一层金字塔）。
sift算法的MATLAB程序
% [image, descriptors, locs] = sift(imageFile) % % This function reads an image and returns its SIFT keypoints. % Input parameters: % imageFile: the file name for the image. % % Returned: % image: the image array in double format % descriptors: a K-by-128 matrix, where each row gives an invariant % descriptor for one of the K keypoints. The descriptor is a vector % of 128 values normalized to unit length. % locs: K-by-4 matrix, in which each row has the 4 values for a % keypoint location (row, column, scale, orientation). The % orientation is in the range [-PI, PI] radians. % % Credits: Thanks for initial version of this program to D. Alvaro and % J.J. Guerrero, Universidad de Zaragoza (modified by D. Lowe) function [image, descriptors, locs] = sift(imageFile) % Load image image = imread(imageFile); % If you have the Image Processing Toolbox, you can uncomment the following % lines to allow input of color images, which will be converted to grayscale. % if isrgb(image) % image = rgb2gray(image); % end [rows, cols] = size(image); % Convert into PGM imagefile, readable by "keypoints" executable f = fopen('tmp.pgm', 'w'); if f == -1 error('Could not create file tmp.pgm.'); end fprintf(f, 'P5\n%d\n%d\n255\n', cols, rows); fwrite(f, image', 'uint8'); fclose(f); % Call keypoints executable if isunix command = '!./sift '; else command = '!siftWin32 '; end command = [command '
深度解析：移动机器人的几种视觉算法
深度解析：移动机器人的几种视觉算法谈到移动机器人，大家第一印象可能是服务机器人，实际上无人驾驶汽车、可自主飞行的无人机等等都属于移动机器人范畴。它们能和人一样能够在特定的环境下自由行走／飞行，都依赖于各自的定位导航、路径规划以及避障等功能，而视觉算法则是实现这些功能关键技术。 如果对移动机器人视觉算法进行拆解，你就会发现获取物体深度信息、定位导航以及壁障等都是基于不同的视觉算法，本文就带大家聊一聊几种不同但又必不可少的视觉算法组成。 本文作者陈子冲，系Segway Robot架构师和算法负责人。 移动机器人的视觉算法种类 Q：实现定位导航、路径规划以及避障，那么这些过程中需要哪些算法的支持？ 谈起移动机器人，很多人想到的需求可能是这样的：“嘿，你能不能去那边帮我拿一杯热拿铁过来。”这个听上去对普通人很简单的任务，在机器人的世界里，却充满了各种挑战。为了完成这个任务，机器人首先需要载入周围环境的地图，精确定位自己在地图中的位置，然后根据地图进行路径规划控制自己完成移动。 而在移动的过程中，机器人还需要根据现场环境的三维深度信息，实时的躲避障碍物直至到达最终目标点。在这一连串机器人的思考过程中，可以分解为如下几部分的视觉算法： 1．深度信息提取 2．视觉导航 3．视觉避障 后面我们会详细说这些算法，而这些算法的基础，是机器人脑袋上的视觉传感器。 视觉算法的基础：传感器 Q：智能手机上的摄像头可以作为机器人的眼睛吗？ 所有视觉算法的基础说到底来自于机器人脑袋上的视觉传感器，就好比人的眼睛和夜间视力非常好的动物相比，表现出来的感知能力是完全不同的。同样的，一个眼睛的动物
对世界的感知能力也要差于两个眼睛的动物。每个人手中的智能手机摄像头其实就可以作为机器人的眼睛，当下非常流行的Pokeman Go游戏就使用了计算机视觉技术来达成AR 的效果。 像上图画的那样，一个智能手机中摄像头模组，其内部包含如下几个重要的组件：镜头，IR filter，CMOS sensor。其中镜头一般由数片镜片组成，经过复杂的光学设计，现在可以用廉价的树脂材料，做出成像质量非常好的手机摄像头。 CMOS sensor上面会覆盖着叫做Bayer三色滤光阵列的滤色片。每个不同颜色的滤光片，可以通过特定的光波波长，对应CMOS感光器件上就可以在不同位置分别获得不同颜色的光强了。如果CMOS传感器的分辨率是4000x3000，为了得到同样分辨率的RGB 彩色图像，就需要用一种叫做demosaicing的计算摄像算法，从2绿1蓝1红的2x2网格中解算出2x2的RGB信息。
SIFT算法分析
SIFT算法分析 1 SI F T主要思想 S IF T算法就是一种提取局部特征得算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 2 SI FT算法得主要特点 a)SIFT特征就是图像得局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度得稳定性。 b )独特性(Dis t in c t iv e n es s)好，信息量丰富，适用于在海量特征数据库中进行快速、准确得匹配? c) 多量性,即使少数得几个物体也可以产生大量S IFT特征向量。 d) 高速性，经优化得SIF T匹配算法甚至可以达到实时得要求。 e) 可扩展性，可以很方便得与其她形式得特征向量进行联合。 3 SI F T算法流程图: 爹尺度空间扱值点检测 特征点的精确定位 I*
特征点的主方向计算 描述子的构造 特征向童I*
4 SIFT 算法详细 1)尺度空间得生成 尺度空间理论目得就是模拟图像数据得多尺度特征 . 高斯卷积核就是实现尺度变换得唯一线性核，于就是一副二维图像得尺度 空间定义为： 其中就是尺度可变高斯函数， (x ，y )就是空间坐标，就是尺度坐标.大小决定图像得平滑程度，大尺度对 应图像得概貌特征，小尺度对应图像得细节特征。大得值对应粗糙尺度 (低分辨 率)，反之，对应精细尺度(高分辨率)。 为了有效得在尺度空间检测到稳定得关键点，提出了高斯差分尺度空间 (D O G seal e — s p ace ).利用不同尺度得高斯差分核与图像卷积生成。 D(x,y, ) (G(x, y,k ) G(x, y, )) I(x,y) L(x, y,k ) L(x, y,) D OG 算子计算简单，就是尺度归一化得L o G 算子得近似。 图像金字塔得构建：图像金字塔共O 组，每组有S 层，下一组得图像由上一组图 像降采样得到。 图1由两组高斯尺度空间图像示例金字塔得构建， 第二组得第一副图像由第 一组得第一副到最后一副图像由一个因子 2降采样得到。图2 DoG 算子得构建： t o last image in t h e p revio us 图 1 Tw o o ct a ves of a G aus sia n s cale-spac e i ma g e pyr amid with s = 2 inte r vals 、Th e fir s t image i n t h e sec o nd o e t a ve is created b y dow n sa m p l ing Oj-taw J Octave 聖
OpenCV SIFT特征算法详解与使用
SIFT概述 SIFT特征是非常稳定的图像特征，在图像搜索、特征匹配、图像分类检测等方面应用十分广泛，但是它的缺点也是非常明显，就是计算量比较大，很难实时，所以对一些实时要求比较高的常见SIFT算法还是无法适用。如今SIFT算法在深度学习特征提取与分类检测网络大行其道的背景下，已经越来越有鸡肋的感觉，但是它本身的算法知识还是很值得我们学习，对我们也有很多有益的启示，本质上SIFT算法是很多常见算法的组合与巧妙衔接，这个思路对我们自己处理问题可以带来很多有益的帮助。特别是SIFT特征涉及到尺度空间不变性与旋转不变性特征，是我们传统图像特征工程的两大利器，可以扩展与应用到很多图像特征提取的算法当中，比如SURF、HOG、HAAR、LBP等。夸张一点的说SIFT算法涵盖了图像特征提取必备的精髓思想，从特征点的检测到描述子生成，完成了对图像的准确描述，早期的ImageNet 比赛中，很多图像分类算法都是以SIFT与HOG特征为基础，所有SIFT算法还是值得认真详细解读一番的。SIFT特征提取归纳起来SIFT特征提取主要有如下几步： ?构建高斯多尺度金字塔 ?关键点精准定位与过滤 ?关键点方向指派 ?描述子生成 构建高斯多尺度金字塔 常见的高斯图像金字塔是每层只有一张图像，大致如下： 上述的是通过图像金字塔实现了多分辨率，如果我们在每一层高斯金字塔图像生成的时候，给予不同的sigma值，这样不同的sigam就会产生不同模糊版本的图像，在同一层中就是实现不同尺度的模糊图像，再结合高斯金
字塔，生成多个层多个尺度的金字塔，就是实现了图像的多尺度金字塔。同一张图像不同尺度高斯模糊如下： 为了在每层图像中检测 S 个尺度的极值点，DoG 金字塔每层需 S+2 张图像，因为每组的第一张和最后一张图像上不能检测极值，DoG 金字塔由高斯金字塔相邻两张相减得到，则高斯金字塔每层最少需 S+3 张图像，实际计算时 S 通常在2到5之间。SIFT算法中生成高斯金字塔的规则如下（尺度空间不变性）： 关键点精准定位与过滤 对得到的每层DOG图像，计算窗口3x3x3范围除去中心点之外的26点与中心点比较大小，寻找最大值或者最小值（极值点），如下图：