使用哈里斯角Harris和SIFT算法来实现局部特征匹配（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、报告

---

💥1 概述

摘要
从不同的图像中提取特征并将它们进行匹配，有着许多应用，如物体识别和机器人导航。在这个项目中，使用哈里斯角Harris 和SIFT算法来实现局部特征匹配的任务。

为了提取图像的最重要特征，采用了哈里斯角算法。该算法使用以下步骤检测角点（兴趣点）：
1. 算法
1. 计算x和y方向的导数Ix，Iy。这是通过在两个方向上使用高斯滤波器和Sobel滤波器来完成的。
2. 计算每个像素点处的导数乘积Ix2，Iy2，Ixy。这是以矢量化方式进行，以加快计算速度。
3. 计算每个像素点处的导数乘积之和Sx2，Sy2，Sxy。这是通过将步骤2的输出乘以高斯滤波器来完成的。
4. 在每个像素点定义哈里斯矩阵。同样，这也是以矢量化格式进行的。
5. 计算每个像素点上检测器的响应。再次，这是通过使用矢量化代码完成的。R = Det(H) – k (Trace(H))2。其中，k设定为0.04，如SIFT算法论文中建议的。
6. 进行非极大值抑制。遍历所有点并执行以下步骤：
a. 选择当前点的R值。
b. 获取当前点周围的3×3窗口数值。
c. 如果当前点的R值大于特定阈值（超参数进行调整）：
i. 如果当前点的R值是窗口中的最大值
1. 将特征向量沿x和y方向与当前行和列值进行拼接。

SIFT算法在1999年首次提出，并在2004年得到改进，被认为是最著名和鲁棒的特征提取算法。这是因为它对图像的任何变化都是不变的，例如方向、缩放、光照或其他任何因素。
在这个项目中，首先实现了Harris角点算法来获取兴趣点，然后利用SIFT算法进行描述，并最终使用NNDR进行匹配。

📚2 运行结果

v

部分代码：

%% Define image pairs
imagePair = 1;
if imagePair == 1
    % Notre Dame de Paris
    % Easiest
    image1 = imread('../data/NotreDame/921919841_a30df938f2_o.jpg');
    image2 = imread('../data/NotreDame/4191453057_c86028ce1f_o.jpg');
    eval_file = '../data/NotreDame/921919841_a30df938f2_o_to_4191453057_c86028ce1f_o.mat';
elseif imagePair == 2
    % Mount Rushmore 
    % A little harder than Notre Dame
    image1 = imread('../data/MountRushmore/9021235130_7c2acd9554_o.jpg');
    image2 = imread('../data/MountRushmore/9318872612_a255c874fb_o.jpg');
    eval_file = '../data/MountRushmore/9021235130_7c2acd9554_o_to_9318872612_a255c874fb_o.mat';
elseif imagePair == 3
    % Gaudi's Episcopal Palace
    % This pair is difficult
    image1 = imread('../data/EpiscopalGaudi/4386465943_8cf9776378_o.jpg');
    image2 = imread('../data/EpiscopalGaudi/3743214471_1b5bbfda98_o.jpg');
    eval_file = '../data/EpiscopalGaudi/4386465943_8cf9776378_o_to_3743214471_1b5bbfda98_o.mat';
end

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码、数据、报告