SIFT学习--舍弃不合适的特征点

最新推荐文章于 2023-08-12 16:14:35 发布

ro9er

最新推荐文章于 2023-08-12 16:14:35 发布

阅读量3.4k

点赞数 2

分类专栏：图像处理

本文链接：https://blog.csdn.net/ro9er/article/details/7404930

版权

本文介绍了SIFT算法中如何筛选特征点，主要涉及两个步骤：一是剔除低对比度的特征点，以确保选取的点具有足够的显著性；二是去除不稳定的边缘响应点，提高特征点的稳定性。

摘要由CSDN通过智能技术生成

这里需要去除之前所获得的特征点中的低对比度的点和不稳定的边缘响应点。

1.去除低对比度的点

将之前算得到的亚像素精度点的值代入泰勒展开式，并只取前两项：

其中，

可以用来衡量特征点的对比度，如果

小于一个经验值，那该特征点就被划归为一个不稳定特征点，就应该去除。

这个经验值一般为0.03

2.去除不稳定的边缘响应点

因为DoG算子会产生较强的边缘响应，所以应该去除一些不太稳定的边缘响应点。一个定义不好的边缘响应点会在横跨边缘具有较大的主曲率，而在垂直边缘具有较小的主曲率，主曲率可以通过2*2的Hessian矩阵H求出：

其中D值可以通过求取邻近像素点的差分得到，H的特征值与D的主曲率成正比，所以我们可以避免求Hessian矩阵的具体特征值，而只需要关心特征值的比例。

令最大的特征值为

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ro9er

关注关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

【OpenCV】第二十二章: 图像特征检测之SIFT算法

因为热爱所以坚持

12-07

2393

第二十二章: 图像特征检测之SIFT算法本章是二十一章的延续，继续讲图像特征的提取。我们知道Harris角点检测最大的缺陷是不具有尺度不变性，当图片放大后，原来能检测到的角点就变成边线了，就检测不到了。本章讲SIFT算法提取特征点。 SIFT，全称是Scale-Invariant Feature Transform，是与缩放无关的特征检测，也就是具有尺度不变性。SIFT算法可以说是传统CV领域中达到巅峰的一个算法，这个算法强大到即使对图片进行放缩、变形、模糊、明暗变化、光照变化、添加噪声，甚至是使用不

Opencv实现Sift、Surf、ORB特征提取与匹配

qq_38338086的博客

12-02

3131

Opencv实现Sift、Surf、ORB特征提取与匹配

1 条评论您还未登录，请先登录后发表或查看评论

akaze特征匹配怎么去掉不合适的点_SIFT特征点

weixin_39727402的博客

11-23

222

图像特征点检测一直是研究的热点，从早期的harris角点检测开始，一直有很多人关注图像特征点的检测。最早人们关注图像中的角点，主要是因为角点能够代表图像中的一些特征。比如，通过检测两幅图像中的角点，可以实现图像匹配、分类等。但是，早前的角点检测算法不具有放射不变性，即对于旋转、平移、缩放等图像的适应性不好。此外，光照不变性的性能也比较差。直到SIFT算法横空出世，很好的解决了这方面的问题。SIFT...

Opencv实现：SIFT特征提取+RANSAC剔除误匹配点

勿筑高台于浮沙，脚踏实地做学习

09-11

2万+

最近整理一下利用SIFT特征提取方法和RANSAC（随机抽样一致性方法）进行剔除无匹配点的内容，将实现过程进行记录。程序注释的非常清楚了，新手也能很快看懂。

SIFT检测特征点之去除边缘不稳定噪声点

wd1603926823的专栏

06-11

5532

根据论文以及这位女侠 http://blog.csdn.net/abcjennifer/article/details/7639681 所述，在用SIFT得到候选特征点之后还要进一步精确特征点 因为候选特征点中有两部分特征点需要去除掉第一个是灰度伪特征点 即从一个灰度比较小的区域由26个像素比较得到的极值点其实并不是特征点 第二个是边缘不稳定噪声点因为第一个难编一点

sift算法双向匹配剔除不匹配点_【动手学计算机视觉】第七讲：传统目标检测之SIFT特征...

weixin_39884877的博客

11-23

321

本讲完整代码>>前言提到传统目标识别，就不得不提SIFT算法，Scale-invariant feature transform，中文含义就是尺度不变特征变换。此方法由David Lowe于1999年发表于ICCV(International Conference on Computer Vision)，并经过5年的整理和晚上，在2004年发表于IJCV(International j...

SIFT精确特征点之去除灰度伪特征点

wd1603926823的专栏

06-11

2743

接着上一篇的去除了候选特征点中不稳定噪声点现在继续进一步精确特征点 即去除灰度伪特征点 A=imread('F:\orl_zhifangtu\s1.jpg'); T=40; [A,R]=kuaisusaomiao(A,T); [m,n,H]=size(A); C=[]; x=n/2; y=m/2; for u=1:m for v=1:n i=u;

（三）计算机视觉 --SIFT特征匹配、地理标记图像匹配及RANSAC图像拼接

ziyi_mi的博客

03-08

3376

一、sift特征检测概述 SIFT即尺度不变特征转换，是一种计算机视觉的算法。它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。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，其对于光线、噪声等一些微视角改变的容忍度也相当高，且SIFT特征的信息量大，适合在海量数据库中快速准确匹配。 1.1特征点 S...

视频地理定位：地理-时间特征学习与GPS轨迹平滑

121260视频地理定位：地理-时间特征学习和GPS轨迹平滑0Krishna Regmi和MubarakShah，中央佛罗里达大学计算机视觉研究中心0krishna.regmi7@gmail.com, shah@crcv.ucf.edu0摘要0本文提出了一种地理-时间特征学习...

sift算法双向匹配剔除不匹配点_OpenCV开发笔记（六十三）：红胖子8分钟带你深入了解SIFT特征点...

weixin_39866487的博客

11-21

431

若该文为原创文章，未经允许不得转载原博主博客地址：https://blog.csdn.net/qq21497936原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106755662各位读者，知识无穷而人...

SIFT特征详细描述上

林云zju的专栏

06-15

3688

一、介绍特征的检测和匹配在许多计算机视觉应用中是一个重要的组成部分，例如无缝拼接，三维重建等。其中兴趣点特征是很重要的一类特征，而目前应用最广泛的兴趣点特征检测方法就是SIFT检测算法，该检测算法所得到的特征点不仅在位置上能够稳定识别，而且具有尺度不变性和旋转不变性。由于各大论坛以及该论文作者都只是给出matlab的实现算法，并未给出C++的版本，而且由于在SIFT的实现过程中有很多参数设置和

Sift：(第二步）关键点位置的确定

热门推荐

007的博客

01-15

10万+

计算机视觉中的特征点提取算法比较多，但SIFT除了计算比较耗时以外，其他方面的优点让其成为特征点提取算法中的一颗璀璨的明珠。SIFT算法的介绍网上有很多比较好的博客和文章，我在学习这个算法的过程中也参看网上好些资料，即使评价比较高的文章，作者在文章中对有些比较重要的细节、公式来历没有提及，可能写博客的人自己明白，也觉得简单，因此就忽略了这些问题，但是对刚入门的人来说，看这些东西，想搞清楚这些是怎么

SIFT算法系列之特征点检测

AutoXTruck专栏

04-19

3504

特征点检测算法简述　　说到特征(feature)可能包含许多种类：常用的图像领域的主要特征有颜色特征、纹理特征、形状特征、空间关系特征。其实不论哪种特征，其特征的描述或者表达的主要思路在于：通过特征的提取表达来区分图像的信息。特征点可以理解为是图像中变化较大的信息区域，具有独特性。为什么要把图像中的变化较大的区域提取出来作为特征表述，其主要原因还是存在于模拟人眼观察一幅图像时候最先观察到的是整...

SIFT算法的特征点筛选和DMatch、Keypoint描述

我的大学

01-08

1万+

SIFT算法描述 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这个算法具有比较良好的尺度不变性和旋转不变形 KeyPoint KeyPoint类的成员

Opencv之SIFT特征

cocofisher的博客

01-17

3080

SIFT介绍 SIFT（Scale Invariant Feature Transform）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...

详细SIFT特征点检测——最佳的性能描述子——效果非常好

RUN

06-13

2302

SIFT：一种特征提取算法—— 参考文献： David G. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, Vol. 60, Page 91-110, 2004. 提取流程： 1.卷积差分 2.关键点检测 3.关键点去除性质： 1.不变性对图像的旋转和尺度变化具有不变性对三维视角变化和光照变化具有很强的适应性局部特征，在遮挡和场景杂乱

SIFT讲解（SIFT的特征点选取以及描述是重点）

hanhan的博客

04-23

1万+

SIFT特征点选取： SIFT具有尺度鲁棒性，而角点检测显然不具有，当图像尺度发生变化时，原有的特征可能消失。 SIFT描述：像素与周围像素的关系一般来说是恒定的。 Theta是与水平方向成的角度，所以图像旋转角度不同theta值不同。解决方法：计算与主方向的相对角度。归一化：对亮度的鲁棒性移动滑窗，所以只能区别固定大小。问：如何用单一的模板将尺寸不一大小的行人检测出来？ ...

基于特征包的SIFT-LBP图像检索模型研究

在Bag-of-Features模型中，首先使用特征检测算法（如SIFT、SURF、ORB等）来提取图像中的关键点及其特征描述符，然后通过聚类算法（如k-means等）将这些描述符聚合成“视觉词汇”。在此基础上，将图像表示为视觉词汇...