SIFT原理及图像特征匹配

最新推荐文章于 2024-10-03 14:08:14 发布

LDP5238

最新推荐文章于 2024-10-03 14:08:14 发布

阅读量1.1k

点赞数 1

本文链接：https://blog.csdn.net/weixin_40976828/article/details/88653587

版权

本文详细介绍了SIFT（尺度不变特征变换）原理，包括兴趣点检测和描述子，强调其尺度、旋转和亮度不变性。通过SIFT算法实现步骤，展示了图像特征匹配的Python代码，同时对比了SIFT与Harris图像特征匹配的差异，并提及了图像地理标记的应用示例。

摘要由CSDN通过智能技术生成

1.SIFT（尺度不变特征变换）原理
SIFT包括兴趣点检测器和描述子。SIFT描述子具有非常强的稳健性，经常和许多不同的兴趣点检测器结合使用。SIFT特征对于尺度，旋转和亮度都具有不变性，因此，它可用于三维视角和噪声的可靠匹配。
SIFT 描述子h(x, y,θ)是对特征点附近邻域内高斯图像梯度统计结果的一种表示，它是一个三维的阵列，但通常将它表示成一个矢量。矢量是通过对三维阵列按一定规律进行排列得到的。特征描述子与特征点所在的尺度有关，因此，对梯度的求取应在特征点对应的高斯图像上进行。
SIFT算法的实现步骤：
1、构建尺度空间，检测极值点，获得尺度不变性；
2、特征点过滤并进行精确定位，剔除不稳定的特征点；
3、在特征点处提取特征描述符，为特征点分配方向值；
4、生成特征描述子，利用特征描述符寻找匹配点；
5、计算变换参数。
2.SIFT图像特征匹配
代码为：
from PIL import Image
from pylab import *
import sys
from PCV.localdescriptors import sift

if len(sys.argv) >= 3:
im1f, im2f = sys.argv[1], sys.argv[2]
else:

im1f = ‘…/data/crans_1_small.jpg’
im2f = ‘…/data/crans_2_small.jpg’

im1 = array(Image.open(im1f))
im2 = array(Image.open(im2f))

sift.process_image(im1f, ‘out_sift_1.txt’)
l1, d1 = sift.read_features_from_file(‘out_sift_1.txt’)
figure()
gray()
subplot(121)
sift.plot_features(im1, l1, circle=False)

sift.process_image(im2f, ‘out_sift_2.txt’)
l2, d2 = sift.read_features_from_file(‘out_sift_2.txt’)
subplot(122)
sift.plot_features(im2, l2, circle=False)

#matches = sift.match(d1, d2)
matches = sift.match_twosided(d1,