sift算法讲解的资料

sift算法讲解的资料第1页/共100页图像配准结果典型应用第2页/共100页

关键技术：局部特征提取第3页/共100页局部特征：感兴趣区域检测&描述子感兴趣区域描述子<012310023…><500113715…><1421100322…>第4页/共100页DavidLoweComputerScienceDepartment

2366MainMall

UniversityofBritishColumbia

Vancouver,B.C.,V6T1Z4,CanadaE-mail:lowe@cs.ubc.ca

作者简介第5页/共100页SIFT概述

SIFT算法由D.G.Lowe1999年提出，2004年完善总结。此后Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。定义：SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置、尺度、旋转不变量。特点：1、SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。2、独特性（Distinctiveness）好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。3、多量性，即使少数的几个物体也可以产生大量的SIFT特征向量。4、高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。5、可扩展性，可以很方便的与其他形式的特征向量进行联合。第6页/共100页1、检测尺度空间极值点。2、精确定位极值点。关键点检测3、为每个关键点指定方向。4、关键点描述子的生成。描述子生成SIFT概述第7页/共100页2、精确定位极值点。关键点检测3、为每个关键点指定方向。4、关键点描述子的生成。描述子生成1、检测尺度空间极值点。SIFT概述第8页/共100页尺度空间极值点检测第9页/共100页尺度空间极值点检测尺度空间：二维尺度可变高斯核函数（滤波函数），高斯核和高斯微分是尺度空间分析的惟一平滑核。

(本实验采用一维高斯函数)空间坐标尺度空间因子（坐标）二维图像函数第10页/共100页高斯差分尺度空间（DOGscale-space）：是尺度归一化LOG算子的近似高斯金字塔的构建：高斯金字塔共o(7)阶，每阶有s(6)层，下一阶的图像由上一阶图像降采样得到。尺度空间极值点检测第11页/共100页第12页/共100页第13页/共100页第14页/共100页归一化第15页/共100页归一化gray0=135791011第16页/共100页归一化gray0=135791011gray1=02468910第17页/共100页归一化gray0=135791011gray1=02468910gray2=02/104/106/108/109/101第18页/共100页归一化gray0=135791011gray1=02468910gray2=02/104/106/108/109/1010=<gray2<=1第19页/共100页第20页/共100页第21页/共100页放大一倍第22页/共100页放大一倍1

357911131517第23页/共100页放大一倍1

357911131517第24页/共100页放大一倍1

3579111315171

35

7

9111315

17第25页/共100页放大一倍1

3579111315171

2

345

78

9101113141516

17第26页/共100页放大一倍1

3579111315171

2

345468

78

9101110121413141516

17第27页/共100页放大一倍1

3579111315171

2

34545678

78

91011101112131413141516

17第28页/共100页放大一倍1

3579111315171

2

3455456788

78

910111110111213141413141516

1717131415161717第29页/共100页第30页/共100页第31页/共100页

高斯滤波第32页/共100页

高斯滤波第33页/共100页

高斯滤波第34页/共100页

高斯滤波第35页/共100页

高斯滤波第36页/共100页

高斯滤波第37页/共100页

高斯滤波第38页/共100页

高斯滤波第39页/共100页

高斯滤波第40页/共100页

高斯滤波第41页/共100页

高斯滤波第42页/共100页

高斯滤波第43页/共100页

高斯滤波第44页/共100页

高斯滤波第45页/共100页

高斯滤波第46页/共100页

高斯滤波第47页/共100页

高斯滤波第48页/共100页

高斯滤波第49页/共100页第50页/共100页第51页/共100页第52页/共100页第53页/共100页第54页/共100页第55页/共100页降采样第56页/共100页降采样1

2

3455456788

78

910111110111213141413141516

1717131415161717第57页/共100页降采样1

2

3455456788

78

910111110111213141413141516

1717131415161717

第58页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

第59页/共100页降采样1

23455456788

78

910111110111213141413141516

17171314151617171

第60页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

3

第61页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

3

第62页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

35

第63页/共100页降采样1

2

345545678878

910111110111213141413141516

17171314151617171

35

第64页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

357

第65页/共100页降采样1

2

3455456788

78910111110111213141413141516

17171314151617171

357

第66页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

3579

第67页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

3579

第68页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

357911

第69页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

357911

第70页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

35791113

第71页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

35791113

第72页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

3579111315

第73页/共100页降采样1

2

3455456788

78

91011111011121314141314151617171314151617171

3579111315

第74页/共100页降采样1

2

3455456788

78

910111110111213141413141516

17171314151617171

357911131517第75页/共100页第76页/共100页第77页/共100页第78页/共100页第79页/共100页第80页/共100页在3x3x3邻域内选择所有的极值中间的检测点和尺度空间共26个点比较尺度空间极值点检测第81页/共100页关键点检测3、为每个关键点指定方向。4、关键点描述子的生成。描述子生成SIFT概述2、精确定位极值点。1、检测尺度空间极值点。第82页/共100页x采样检测到的极值实际极值极值点定位两步检验：1、必须与周围的像素有明显的差异，即滤除低对比度的点。2、不能是边缘点。因为DOG算子会产生较强的边缘响应目的：增强匹配稳定性、提高抗噪声能力第83页/共100页方法：拟合三维二次方程，找出低对比度的点泰勒序列展开式：

其中：D是DOG计算的结果，x是候选关键点之一最小化的到真正的极值（偏移量）：当：则该点是低对比度的点关键点滤除--低对比度点的滤除第84页/共100页关键点滤除--边缘响应的滤除一个定义好的高斯差分算子的极值在横跨边缘的地方有较大的主曲率，而在垂直边缘的方向有较小的主曲率。主曲率（Hessian矩阵）：D的主曲率和H的特征值成正比，令为最大特征值，为最小的特征值第85页/共100页为了检测主曲率是否在某阈值r下，只需检测：关键点滤除--边缘响应的去除令，则的值在两个特征值相等的时候最小，随着的增大而增大文章中：若不满足上式，则是边缘的点第86页/共100页没有进行任何处理的关键点第87页/共100页去除了低对比度之后的点第88页/共100页去除边界相应的点第89页/共100页关键点检测4、关键点描述子的生成描述子生成SIFT概述3、为每个关键点指定方向1、检测尺度空间极值点。2、精确定位极值点第90页/共100页选择一系列好的关键点选择每个关键点周围的一个区域去除尺度和旋转的影响关键点方向分配第91页/共100页采用梯度直方图来确定关键点的方向用点的尺度选择正确的图像用有限差分计算梯度的模值和方向关键点方向分配第92页/共100页关键点方向分配

实际计算中，在以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向。梯度直方图的范围是0~360度，其中每10度一个柱，总共36个柱。

直方图的峰值代表关键点处邻域梯度的主方向，即作为该关键点的方向。第93页/共100页在梯度方向直方图中，当存在另一个相当于主峰值80%能量的峰值时，则将这个方向认为是该关键点的辅方向。一个关键点可能会被指定具有多个方向（一个主方向、一个以上辅方向），可以增强