单尺度上Harris-SIFT特征提取匹配

最近课题中要用到特征提取和匹配，看了一点论文，个人认为特征提起按尺度分的话可以分为单尺度和多尺度的上的特征提取，单尺度上的通常有角点检测，其中很著名的就是Harris角点检测，在多尺度上的著名的有SIFT，SURF是其改进版，速度快，不过要搞懂前，还是首先的搞懂SIFT。SIFT提取的特征点很稳定，但不一定是我们想要的点，Harris通常可以检测到我们想要的点。所以网上有很多论文中将Harris和SIFT结合起来做，一般来说有两种方法，一种是在多尺度上提取Harris角点，即在多尺度上的Harris角点检测，然后在多尺度上用SIFT中的方法生成特征描述子，然后匹配，这种当然是最好的。第二种是为了提高速度，直接在原始图像上提取角点，然后将SIFT中生成特征描述子的过程改到单尺度上进行，最后实现匹配。即论文中写的Harris-SIFT特征提取匹配方法，如果将前面的Harris换成其他的提取方式，就生成了好多论文，呵呵，其实关键的就是怎么把SIFT生成特征描述子的方式改写到单尺度上，在网上找了好半天程序，可惜没有，没办法，只能发扬艰苦奋斗的精神了，自己花了三天时间，研究SIFT程序，然后改写成单尺度的，然后和Harris角点检测的结合起来了，其中单尺度上特征提取的已经打包成函数，只要有前面特征提取的特征点的位置信息，输入进去便可以生成特征描述子，进而依据欧式距离完成匹配。下面是我拿了两个同样的图使用Harris-SIFT提取特征点且匹配的结果。