sift特征提取笔记---已同步

1采用高斯差分金字塔来近似高斯拉普拉斯算子是为了在平滑滤波后依然保持尺度不变性即在不同尺度下的特征不变。2采用不同的尺度下的高斯差分图像是为了在不同尺度下比较图像之间的特征点。如果一张图像比另一张放大了或缩小了那么可以比较它们的不同尺度下的特征点。3特征点的要素极值点其它手段如阈值、曲率等等用于剔除不合条件的点曲线拟合用于提取最大值也就是关键点的真正位置4特征点的描述该关键点附近的各个点的幅度和角度组成向量128维最佳对于角度要统计主方向然后将特征向量旋转到主方向这样向量特征都是从主方向算起能保证旋转不变性。5特征点的比较和匹配计算两个特征点向量之间的欧式距离A与A’的距离 除以 A与任意B’的距离 要小于一个临界值threshold那么A与A’就是匹配的。6surf 特征提取是其改进方法更适合计算。生成描述符之前先对关键点圆形邻域的梯度幅值直方图进行高斯平滑然后进行抛物线拟合以得到最大的幅值及其相角也就是特征点的主方向后续生成描述符时根据这个相角进行旋转。为了增强匹配的鲁棒性可保留峰值大于主方向峰值80的方向作为该关键点的辅方向把该关键点复制成多份关键点。生成描述符先旋转再高斯权重化。高斯权重化在x,y方向对邻域像素的梯度幅值进行高斯处理加强中心位置幅值减弱四周幅值。然后再进行三线性插值。这个高斯权重化的区域是以44为中心的88区域与后续的三线性插值区域是相同的三线性插值为了得到种子点内更精确的梯度直方图将种子点4*4像素及其周围像素的梯度幅值按照x,y,以及相角的小数位置这三个维度分配到直方图中得到最终的幅值。康平县东风小学张天飞的邮箱48570163.com