1.对原图像使用不同参数的高斯函数对图像进行卷积,得到一组Octave;相邻的图像相减得到一组DoG;
2.并把第一张Octave下采样重复步骤1;
3.使用不同尺度的DoG进行关键点检测;
4.在不同的尺度进行关键点方向分配;
5.以步骤4中的关键点的主方向为坐标轴方向,并记录一个指定范围内所有像素点的梯度方向(局部图像梯度),形成关键点描述符;
6.以一个图像中的关键点描述符去匹配另一个图像中的关键点描述符,设置一个阈值,并通过关键点描述符的欧式距离来比较关键点是否在阈值内
本算法最大的亮点应该是关键点方向提出,并以此为依据计算出了一个叫做:关键点描述符 的东西,这个东西是真的能很好的检测关键点的特点,并不受很多噪音的影响,所以该算法可以很好的(鲁棒性强)进行关键点的匹配,而关键点匹配可以用在图像识别上,妙哉。
经过了两周时间,终于把这个算法搞明白,这也是我第一个搞懂的算法,虽然有很多细节不清楚,但是算是大体上完工了。