前言:SIFT算法是图像局部特征研究过程中具有里程碑的意义的算法,非常经典。
这里有几篇非常好的文章:
SIFT算法的英文版:http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf
SIFT算法的中文版:http://www.cnblogs.com/cuteshongshong/archive/2012/05/25/2506374.html
AndyJee的博客:http://www.cnblogs.com/AndyJee/p/3734805.html
Rachel_Zhang(abcjennifer)的博客: http://blog.csdn.net/abcjennifer/article/details/7639681
小魏的修行路(xiaowei_cqu):http://blog.csdn.net/xiaowei_cqu/article/details/8069548
这篇博文就对SIFT算法中对关键点的定位(即泰勒拟合),说说自己的看法,不知道自己理解得是否正确,请多多指教。
对于二维函数,其泰勒展开式为:
写成矩阵形式:
写成向量形式:
关键点的精确位置就在上式极值点所在位置,对上述式子求导数并令导数为0,则有:
且有:
得:
其中f是某一尺度为δ的DoG层。
最终得到了△x、△y,即所求极值点相对于关键点的偏移量,若任意一个偏移量超过了0.5,则说明拟合关键点应该在原关键点的相邻位置。
在该DoG层不断迭代拟合,确定新关键点位置,直至偏移量都小于0.5(即稳定的关键点)为止。
再去除低响应值的点,再删除边缘效应。