计算机视觉——基于sift算法的地理信息图像匹配

目录

一、SIFT（尺度不变特征变换）

1.1 SIFT简介

1.2 SIFT算法可以解决的问题

1.3 SIFT算法实现特征匹配的三个主要流程

1.4 关键点检测的相关概念

1.4.1 哪些点是SIFT中要查找的关键点（特征点）？

1.4.2 什么是尺度空间（scale space ）？

1.4.3 高斯模糊

 1.4.4 高斯金字塔

 1.5 关键点检测——DOG

1.5.1 DoG（Difference of Gaussian）函数

1.5.2 DoG高斯差分金字塔

1.6 关键点匹配

1.7 SIFT算法实现

 1.8 SIFT特征匹配

​ 二、匹配地理标记图像

2.1匹配地理标记图像代码：

---

一、SIFT（尺度不变特征变换）

1.1 SIFT简介

SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。

1.2 SIFT算法可以解决的问题

        • 目标的旋转、缩放、平移（RST）
        • 图像仿射/投影变换（视点viewpoint）
        • 弱光照影响（illumination）
        • 部分目标遮挡（occlusion）
        • 杂物场景（clutter）
        • 噪声

1.3 SIFT算法实现特征匹配的三个主要流程

1、提取关键点；

2、对关键点附加详细的信息（局部特征），即描述符；

3、通过特征点（附带上特征向量的关键点）的两两比较找出相互匹配的若干对特征点，建立景物 间的对应关系。

1.4 关键点检测的相关概念

1.4.1 哪些点是SIFT中要查找的关键点（特征点）？

这些点是一些十分突出的点,不会因光照、尺度、旋转等因素的改变而消失，比如角点、边缘点、暗区域的亮点以及亮区域的暗点。假定两幅图像中有相同的景物，那么使用某种算法分别提取各自的特征点，这些点之间会有相互对应的匹配关系。

1.4.2 什么是尺度空间（scale space ）？

尺度空间理论最早于1962年提出，其主要思想是通过对原始图像进行尺度变换，获得图像多尺度下的空间表示。从而实现边缘、角点检测和不同分辨率上的特征提取，以满足特征点的尺度不变性。尺度空间中各尺度图像的模糊程度逐渐变大，能够模拟人在距离目标由近到远时目标在视网
膜上的形成过程。尺度越大图像越模糊。

1.4.3 高斯模糊

高斯模糊是在Adobe Photoshop等图像处理软件中广泛使用的处理效果，通常用它来减小图像噪声以及降低细节层次。这种模糊技术生成的图像的视觉效果是好像经过一个半透明的屏幕观察图像。

 1.4.4 高斯金字塔

高斯金字塔的构建过程可分为两步：
（1）对图像做高斯平滑；
（2）对图像做降采样。
为了让尺度体现其连续性，在简单下采样的基础上加上了高斯滤波。一幅图像可以产生几组（octave）图像，一组图像包括几层（interval）图像。