形状特征的表达必须以对图像中物体或区域的分割为基础,由于当前的技术无法做到准确而鲁棒的自动图像分割,图像的形状特征只能在某些特殊应用场合使用,在这些应用中图像包含的物体或区域可以直接获得。另一方面,由于人们对物体形状的变换、旋转和缩放主观上不太敏感,合适的形状特征必须满足对变换、旋转和缩放无关,其中SIFT特征就是满足这一要求。
1. 简介
SIFT(Scale-invariantfeature transform)是一种在尺度空间中提取的图像局部特征。SIFT特征在相当多领域得到应用,是目前一种很重要的局部特征。
上图是SIFT特征的提取流程,下面根据这四个步骤介绍SIFT。
2. 构造空间尺度
对于一副灰度图像I(x,y),我们可以构建对应的尺度空间:
其中,F(I,delta)是计算尺度为delta时图像信息的函数,在实际应用中可以选择保留低频信号的高斯(Gaussian)函数或者保留特定带通信号的拉普拉斯(Laplacian)函数等,从而得到原始图像所对应的不同尺度图像。我们把上式理解成,图像中存在细节尺度不同的对象,通过构造不同滤波函数,得到图像在不同分辨率下的属性信息。
2.1 高斯滤波处理
我们首先构造不同尺度的高斯滤波算子,对图像进行不同尺度的高斯模糊,获得一系列不同尺度的高斯模糊图像。