AI笔记: 计算机视觉之SIFT特征检测: 尺度空间、二维高斯函数、高斯金字塔

最新推荐文章于 2024-05-05 00:25:45 发布
最新推荐文章于 2024-05-05 00:25:45 发布
阅读量1.9k 收藏 5
点赞数 1
分类专栏： AI 文章标签： SIFT 尺度空间 二维高斯函数 高斯金字塔 ai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Tyro_java/article/details/104622301
版权
本文深入介绍了SIFT特征检测技术，包括尺度空间的概念、二维高斯函数及其在图像模糊中的应用、高斯金字塔的构建过程。通过高斯金字塔构建尺度空间，从而实现对图像在不同尺度下的特征提取，这种技术在图像处理和计算机视觉中具有重要的应用价值，尤其是在图像的局部特征提取和匹配方面。
摘要由CSDN通过智能技术生成

SIFT概述

  • SIFT的全称是Scale Invariant Feature Transform(尺度不变特征变换)，是由加拿大教授David G.Lowe在1999年发表于计算机视觉国际会议，2004年发表在IJCV上
  • 是计算机视觉界近二十年来引用率最高的文章之一
  • SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种稳定的局部特征
  • SIFT的特征提取方面对计算机视觉近年来的发展影响深远，特别是几乎影响到了后续所有的角点提取和匹配算法
  • 图像的局部特征，对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性
  • SIFT变换最后提取出来的不仅仅是一个角点，实际上是一个特征描述子，是一个高维的向量
  • 独特性好，信息量丰富，适用于海量特征库进行快速、准确的匹配
  • 改进后的SIFT算法可以达到时时计算的速度
  • 多量性:即使是很少几个物体也可以产生大量的SIFT特征
  • 高速性:改进的SIFT匹配算法甚至可以达到实时性
  • 扩展性:可以很方便的与其他的特征向量进行联合，形成一个新的特征描述

尺度空间

  • 人眼可自动调节尺度，完成对物体的检测和识别，我们看一个图片时会看图片的整体，进一步我们会看我们感兴趣的局部，人眼会自动调整看到的尺度
    • <
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Wang's Blog
关注
专栏目录
订阅专栏
AI笔记: 计算机视觉之SIFT特征检测: 关键点定位、关键点特征描述
Wang的专栏
03-03 1387
关键点定位 之前的方法检测到的极值点是离散空间的极值点，下面通过拟合三维二次函数来精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点(因为DoG算子会产生较强的边缘响应)， 以增强匹配稳定性、提高抗噪声能力。 离散空间的极值点并不是真正的极值点，下图显示了二维函数离散空间得到的极值点与连续空间极值点的差别。利用已知的离散空间点插值得到的连续空间极值点的方法叫做子像素插值(S...
二维高斯函数应用于图像处理
Linux_bin的博客
03-23 2310
二维高斯函数数学公式如下： （u1是原点x坐标） （u2是原点y坐标） 是各个点所占的权重，在图像处理中，一般u1,u2是远点坐标。 例如当sigma=1时，可得权重去下： [0.36787945, 0.60653067, 0.36787945; 0.60653067, 1, 0.60653067; 0.36787945, 0.60653067, 0.36787945] ...
多维高斯分布---【2】
weixin_38468077的博客
12-12 3072
多维高斯分布1.一维高斯分布2.二维高斯分布3.多维高斯分布4.心声 1.一维高斯分布 \qquad在介绍二维高斯分布之前我们先介绍一下一维高斯分布的函数图像，如下所示： f(x)=12π⋅δ⋅e−(x−μ)22δ2 f(x)= \frac{1}{\sqrt{2 \pi}\cdot \delta}\cdot e^{-\frac{{(x-\mu)}^2}{2\delta^2}} f(x)=2π​⋅δ...
将二维高斯函数拟合到数据：将二维高斯函数拟合到模拟数据。-matlab开发
05-30
该程序生成一个二维高斯。 然后程序尝试使用 MatLab 函数“lsqcurvefit”拟合数据，以找到二维高斯的位置、方向和宽度。 不输入参数执行“mainD2GaussFitRot.m”。 二维高斯函数由函数“D2GaussFunctionRot.m”和“D2GaussFunction.m”定义
SIFT特征--构造DOG尺度空间
Where there is life, there is hope
11-25 1万+
最近打算做全景图拼接，尝试过hugin和opencv stitch，一直没有很满意的效果。打算深入研究，恰好，在github看到清华一小哥的项目，故逐步分析他的代码。    sift特征是全景拼接的第一步，相当基础，但sift特征提取与匹配从0开始实现起来又挺折腾的，故花点时间整理下。    清华小哥的博客：http://ppwwyyxx.com/2013/SIFT-and-Image-Stich
高斯函数
eyefamily的专栏
05-10 1万+
转至：http://blog.sina.com.cn/s/blog_6e4fdcbd0100qr7b.html 高斯模糊是一种图像模糊滤波器，它用正态分布计算图像中每个像素的变换。N 维空间正态分布方程为 在二维空间定义为 其中 r 是模糊半径 (r2 = u2 + v2)，σ 是正态分布的标准偏差。在二维空间中，这个公式生成的曲面的等高线是从
二维高斯函数
游泳的鱼的专栏
08-25 1万+
  https://blog.csdn.net/farmwang/article/details/78699926
SIFT特征提取算法详解
weixin_39568744的博客
08-23 1969
转载自：https://www.cnblogs.com/wangguchangqing/p/4853263.html 1.SIFT概述 SIFT的全称是Scale Invariant Feature Transform，尺度不变特征变换，由加拿大教授David G.Lowe提出的。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种非常稳定的局部特征。 1.1 SIFT算法具的特点 ...
2021/06/29计算机视觉期末复习笔记整理
Childishmi的博客
07-15 5108
计算机视觉期末复习笔记整理引言我的参考考题回忆插入链接与图片如何插入一段漂亮的代码片创建一个表格设定内容居中、居左、居右SmartyPantsKaTeX数学公式 引言 刚结束可能是我学生时代最后一场考试了，orz热乎着，记录一下。 这门课是学校新开的，叫《计算机图形图像》，没讲传统的图形学，是偏向计算机视觉去了。 网上复习资料太少了，这两周断断续续看的PPT、教材、提纲、博客都列举在“我的参考”里。 后面自己整理了几个以为会考的重要的简答题… 我的参考 PPT来源：16-385 Computer Visi
二维高斯积分matlab源代码
08-31
经检验准确无误，希望对大家会有用，支持多个区间同时积分
计算机视觉项目实战-图像特征检测harris、sift、特征匹配_图像 特征 背景检测(1)
最新发布
2401_84185106的博客
05-05 770
一个特征值大，一个特征值小，自相关函数在某一个方向上大，在其他方向上小。：两个特征都小，且近似相等。：两个特征都大，且近似相等，自相关函数在所有方向都大。在OpenCV当中我们使用，来进行角点检测。这里有一些点检测的不是特别好，然后我们用黑白棋盘来看一下。这个效果堪称完美！！！
SLAM 06.视觉里程计-3-直接法
jiankangyq的博客
08-12 2190
直接法跳过了提取特征点的步骤。它构建一个优化问题，直接根据像素信息（通常是亮度），来估计相机的运动。这种方法省去了提特征的时间，然而代价则是，利用了所有信息之后，使得优化问题规模远远大于使用特征点的规模。因此，基于直接法的VO，多数需要GPU加速，才能做到实时化。...
计算机视觉攻略 笔记7 （尺度不变特征的检测）&（多尺度FAST特征检测）
一个有梦想，有追求，有抱负的人
08-16 367
尺度不变特征的检测 SURF特征（加速稳健特征Speeded Up Robust Feature) 参考博文 surf算法原理 示例程序 #include <iostream> #include <vector> #include <opencv2/core/core.hpp> #include </home/jlm/3rdparty/opencv/opencv_contrib/modules/xfeatures2d/include/opencv2/xfeature
8/14 二维高斯函数
qq_40723205的博客
08-14 2499
二维高斯核函数(python)
RMG的专栏
12-12 3万+
二维高斯核函数python版
尺度不变特征变换(SIFT)特征提取分析
farmwang的专栏
07-10 3441
基本介绍 关于SIFT算法，2004年David Lowe发表在Int. Journal of Computer Vision的经典论文[2]中，对尺度空间(scale space)是这样定义 ：It has been shown by Koenderink (1984) and Lindeberg (1994) that under a variety of reasonable
高斯函数的详细分析
热门推荐
面壁者
09-28 9万+
摘要     论文中遇到很重要的一个元素就是高斯核函数，但是必须要分析出高斯函数的各种潜在属性，本文首先参考相关材料给出高斯核函数的基础，然后使用matlab自动保存不同参数下的高斯核函数的变化gif动图，同时分享出源代码，这样也便于后续的论文写作。 高斯函数的基础 1 一维高斯函数 高斯函数，Gaussian Function， 也简称为Gaussian，一维形式如下：
MATLAB编程（4）——MATLAB绘制二维高斯函数的三维图
Daniel_Shi的博客
01-15 6万+
本篇博文记录使用MATLAB绘制二维高斯函数的三维图。 用到的MATLAB函数——mesh()（绘制三维线框图）和surf()（绘制三维表面图）。 MATLAB命令窗口输入&gt;&gt; doc 函数名，可以查看相关函数的帮助文档。 一维高斯函数：         （μ为均值，σ为标准差） 二维高斯函数：         （这里，均值均为零，标准差均为σ） 下面给出代码（两种实现结...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值