完整代码在GitHub - FchZero/Advanced_computer_vision
一、实验原理:
特征匹配是图像处理和计算机视觉的核心组成部分。本次实验会创建一个局部特征匹配算法,并尝试匹配真实场景的多个视图。将实现一个简化版本的SIFT,用于解决局部特征匹配问题,使检测到的特征对遮挡和杂波具有鲁棒性。由于特性是本地的,可以在一张图像中生成数百或数千个特性,同时能够实现实时性能。我们使用Harris角点检测器和SIFT特征描述符来生成关键点,同时也使用了自适应非最大抑制来获得图像上的均匀分布的角。
二、实验目的:
本实验要求实现图像的特征匹配,对于给定的两幅图像,均使用Harris角点检测器在图像中寻找角点;利用自适应非最大压缩得到角的均匀分布;为每个关键点生成128维SIFT描述符。然后,以欧氏距离为参数,求出两幅图像特征之间的最佳匹配。最后,对具有地面真实性的图像进行评价。
三、实验内容:
1、实现对SIFT特征的具体细节理解和简单的距离计算;
2、关键技术:Harris兴趣点提取—>基于SIFT的特征描述—>特征匹配。
四、实验数据及结果分析:
在两幅图像中获得感兴趣的点并将其可视化(以Notre Dame为例):
查找匹配的特征并将匹配特征后的图像进行可视化:
对匹配结果进行评价: