高级计算机视觉实验—局部特征匹配（Local Feature Match）

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：

 完整代码在GitHub - FchZero/Advanced_computer_vision