特征描述的目的是在关键点计算后,用一组向量将这个关键点描述出来,这个描述子不但包括关键点,也包括关键点周围对其有贡献的像素点。用来作为目标匹配的依据,也可使关键点具有更多的不变特性,如光照变化、3D视点变化等。
特征描述的思路:对关键点周围图像区域分块,计算块内梯度直方图,生成具有独特性的向量,这个向量是该区域图像信息的一种抽象,具有唯一性。
实现特征描述符具体步骤见如下:
1、确定所需计算的图像区域半径
radius=3σo×2√×(d+1)+12
其中 σ 是关键点所在组的尺度,其中 d=4 。(注计算图像区域半径网上有俩个公式???)
2、旋转坐标轴到关键点主方向
旋转过后的新坐标如下:
3、将邻域内像素划分为
16×16
个子域,进一步将其划分为
4×4
块(每个块又是由
4×4
小域组成),具体见下,分别计算每个块内8个方向的梯度方向直方图。所以最终得到
4×4×8=128
的描述子向量。
注意:这里将
0o−360o
分为8个方向,而不是方向分配中的36个方向。每个方向范围为
45o
。
4、归一化处理
W=(w1,w2,...,w128)
L=(l1,l2,...l128)
lj=wj/∑i=1128wj−−−−−⎷j=1,2,...128
关键点描述子向量的规范化正是可去除满足此模型的光照影响。对于图像灰度值整体漂移 ,图像各点的梯度是邻域像素相减得到,所以也能去除。