SIFT特征提取
本文主要参考:
Richard Szeliski 《Computer Vision: Algorithms and Applications》
-牧野-《 Sift算子特征点提取、描述及匹配全流程解析》-- 地址:https://blog.csdn.net/dcrmg/article/details/52577555
本人在学习虹膜识别技术的过程中,需要使用SIFT算子提取虹膜图像的特征,而SIFT作为经典、有效的图像特征提取方法,其中的思想和方法十分值得借鉴。因此希望通过本文分享学习过程中,总结的SIFT算法主要步骤和思路。
1. SIFT简介
我们人类可以快速地从不同地角度、距离拍摄的图像中分辨出图中物体是否相同。而这个能力源于我们的大脑能够分辨图像中物体的特征,能够基于物体的形状、颜色、纹理等特征是否匹配迅速作出判断。当我们使用算法对图像对进行匹配时,思路也是通过描述图像的特征信息以及匹配这些特征信息完成的,而SIFT算法就是一个特征检测和特征描述的过程。
SIFT算法,由David G.Lowe教授在1999年提出,全称是Scale Invariant Feature Transform,因此该算法最突出的特点就是能够在不同尺度空间上查找关键点,并计算其大小、方向和尺度等信息。除此,SIFT算法还具备以下特点:
- 提取的特征对旋转、尺度、亮度变化具有不变形,以及对视角和噪声变化具有稳定性。(在虹膜识别中,由于人眼图像采集过程中,存在光线、拍摄角度等环境因素的变化导致同一人的人眼图像也会出现旋转、尺度和亮度等变化,因此要求算法对这些变化应该具有鲁棒性。)