sift-特征提取与检索

 

目录

1.sift算法

1.1 算法简介

1.2 实现步骤

2.关键点检测

2.1构建DOG尺度空间

2.1.1 尺度空间的表示

2.1.2 高斯金字塔的构建

2.1.3 高斯差分金字塔

2.1.4 空间极值点检测

2.2 关键点定位

2.3 关键点方向赋值

2.4 关键点特征描述

2.5 关键点匹配

3.实验具体实现

3.1 构造数据集

3.2 实现数据集中，每张图片的SIFT特征提取，并展示特征点

3.3 给定两张图片，计算其SIFT特征匹配结果

3.4 给定一张输入的图片，在数据集内部进行检索，输出与其匹配最多的三张图片

3.5 地理标记图像匹配

3.6 RANSAC算法筛选SIFT特征匹配

4.总结

---

1.sift算法

1.1 算法简介

SIFT的全称是Scale Invariant Feature Transform，尺度不变特征变换。是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出、不会因光照、仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种非常稳定的局部特征。
 

1.2 实现步骤

1. 构建DOG尺度空间
2. 关键点搜索和定位
3. 方向赋值和特征描述的生成

2.关键点检测

2.1构建DOG尺度空间

尺度空间使用高斯金字塔表示。尺度空间理论的基本思想是：在图像信息处理模型中引入一个被视为尺度的参数，通过连续变化尺度参数获得多尺度下的尺度空间表示序列，对这些序列进行尺度空间主轮廓的提取，并以该主轮廓作为一种特征向量，实现边缘、角点检测和不同分辨率上的特征提取等。

2.1.1 尺度空间的