SIFT--特征描述符

本节将介绍SIFT的最后一步—–特征描述符。

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

$$\ radius=\frac{3\sigma_o \times \sqrt2 \times (d+1) +1}{2}\ $$
其中 $\ \sigma\ $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\times 16\ $个子域，进一步将其划分为$\ 4 \times 4\ $块（每个块又是由$\ 4 \times 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\times4\times8=128\ $的描述子向量。
注意：这里将$\ 0^o-360^o\ $分为8个方向，而不是方向分配中的36个方向。每个方向范围为$\ 45^o\ $。

4、归一化处理

$$\ W=(w_1,w_2,...,w_{128}) \ $$
$$\ L=(l_1,l_2,...l_{128})\ $$
$$\ l_j=w_j / \sqrt{\sum^{128}_{i=1}w_j} \,\,\,\,\,\,\, j=1,2,...128\ $$
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。

---

---