SIFT尺度不变特征变换算法.docx

1、SIFT 尺度不变特征变换算法David Lowe关于SIFT算法，2004年发表在Int. Journal of Computer Vision的经典论文中，对尺度空间（scale space)是这样定义的 ：It has been shown by Koenderink (1984) and Lindeberg (1994) that under a variety of reasonable assumptions the only possible scale-space kernel is the Gaussian function. Therefore, the scale space of an image is defined as a function, L(x; y; delta) that is produced from the convolution of a variable-scale Gaussian, G(x; y; delta), with an input image, I(x; y):因此，一个图像的尺度空间，L（x,y,delta) ,定义为原始图像I (x,y)与一个可变尺度的2维高斯函数G(x,y,delta)卷积运算。关于图象处理中的空间域卷积运算，可以参考经典的图像处理教材（比如 美国 冈萨雷斯的图象处理，第二版，或者其 Matlab版，都有如何在离散空间进行运算的例子和说明）注：原文中delta为希腊字母，这里无法表示，用delta代替。Sift算法中，提到了尺度空间，请问什么是尺度和尺度空间呢？在上述理解的基础上，尺度 就是受delta这个参数控制的表示 。而不同的L（x,y,delta)就构成了尺度空间（Space,我理解，由于描述图像的时候，一般用连续函数比较好描述公式，所以，采用空间集合 ，空间的概念正规一些），实际上，具体计算的时候，即使连续的高斯函数，都要被离散为（一般为奇数大小）(2*k+1) *(2*k+1)矩阵，来和数字图像进行卷积运算。1、 SIFT 算法提出及其改进SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。代表性文献[1]David G. Lowe,?Object recognition from local scale-invariant features,?International Conference on Computer Vision,?Corfu, Greece (September 1999), pp.1150-1157.[2] David G. Lowe,?Distinctive image features from scale-invariant keypoints,?International Journal of Computer Vision,?60, 2 (2004), pp. 91-110.具体的MATLAB代码在http://www.cs.ubc.ca/~lowe/keypoints/http://www.cs.ubc.ca/~lowe/keypoints/?可以下载。Rob Hess 基于GSL和Opencv编写了C语言程序。具体的代码可以在/~hess/index.html/~hess/index.html?中下载，可以在VC++.net环境中运行，在调试时要注意对GSL和Opencv的正确配置。后来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。[3] Y. Ke and R. Sukthankar.?PCA-SIFT: A More Distinctive Representation for Local Image Descriptors.Computer Vision and Pattern Recognition, 2004Yanke’s homepage:/user/yke//user/yke/2、SIFT算法主要思想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。3、 SIFT算法的主要特点：a) 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。b) 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[23]。c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。4、SIFT算法步骤：Sift特征匹配算法主要包括两个阶段，一个是Sift特征的生成，即从多幅图像中提取对尺度缩