SIFT解决的问题及其思路
SIFT之前更加传统的匹配图像的方法是使用颜色、灰度等全局特征来描述整张图像,进而用这些全局特征去匹配图像。这样拍摄的光照、角度等因素对图像匹配的影响巨大。
- 解决的问题:
1.图像匹配时,两张相同图像,因为拍摄远近、模糊不同,导致匹配不出来。
2.图像匹配时,两张相同图像,因为拍摄角度、方向不同,导致匹配不出来。
3.图像匹配时,两张相同图像,因为拍摄光照条件不同,导致匹配不出来。
- 解决问题的思路:
1.使用图像的局部特征来描述整张图像,降低图像颜色光照等对匹配的影响——部分解决问题3
2.使用具有尺度不变性的局部特征来描述图像——解决问题1
3.使用具有旋转不变性的局部特征来描述图像——解决问题2
SIFT尺度不变特征变换匹配算法
- 尺度不变
1.尺度的概念及重要性
【概念】:可以简单理解为尺度越大,图像分辨率越低,特征提取时抠的细节越少;尺度越小,图像分辨率越高,抠的细节越多。例子:(我们用枝叶细节这些局部特征来描述一棵树),我们站得远,观察的时候比较模糊,尺度比较大,能看到的枝叶细节少;我们站得近,看的比较清晰,观察的时候尺度小,能看到的枝叶细节多。
【尺度的重要性】:尺度过小,细节抠的过于细致;尺度过大,细节抠的过于少。以上面树的例子就是。我们用一棵杉树去匹配所有树。如果尺度过小,那么杉树的局部细节只能匹配出杉树这个树种,而匹配不出同为树的松树。如果尺度过大,那么杉树的局部细节提的比较少,那么在匹配树的过程中,可能就把木棍也匹配出来了。
2.尺度不变性