SIFT算法基本原理

本文深入探讨SIFT(尺度不变特征转换)算法,包括图像尺度空间构建、特征检测与描述、匹配过程及算法的不变性。特征检测涉及高斯金字塔和局部极值点筛选;特征描述通过梯度方向直方图统计生成128维描述符;匹配使用最近邻和RANSAC等方法。SIFT具有尺度、旋转和光照不变性。
摘要由CSDN通过智能技术生成

参考文献:汪道寅,基于SIFT图像配准算法的研究,2011年5月,硕士学位论文,中国科学技术大学.

一、基于SIFT算法的特征图像配准过程:1)特征的检测;2)特征描述;3)特征匹配

1. 特征检测过程:

1)生成图像尺度空间;

(1)生成图像的高斯金字塔。

Lindeberg证明高斯卷积核是实现尺度变换的唯一线性变换核,一幅图像在尺度空间为图像和可变高斯核函数的卷积(高斯金字塔Laplacian of Gaussian, LOG算子)

2)检测尺度空间中的局部极值点:

(1)生成图像的差分高斯金字塔

图像高斯金字塔的相邻层的差值。

Mikolajczyk在2002年发现通过算子 获取的局部极值点,比采用梯度、Hessian矩阵和Harris角点等方法获取的局部极值点稳定

(2)提取候选极值点

(3)筛选极值点:抑制低对比度点和去除边缘响应点

低对比度点的抑制:剔除响应值小于给定阈值的点

去除边缘响应点:图像边缘假特征点在边缘交叉处的主曲率较大,而在垂直方向上主曲率较小(Hessian矩阵)

3. 特征描述:

1)计算每个极值点的主方向;

采用梯度方向直方图表示以特征点为中心的邻域窗口内特征点邻域像素的梯度方向统计值

梯度方向范围为0度-360度、每10度在直方图中表

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值