基于特征匹配的算法.ppt

基于特征的匹配 Local features Detection: 一. 特征匹配过程 1 特征提取 1.1 Harris and Hessian Detector 1.2 尺度不变特征检测 1.3 仿射不变特征检测 1.4 特征提取总结 2 特征描述 3 特征匹配 二. SIFT算法 影像信号的局部自相关函数 Autocorrelation (second moment) matrix Harris detector 流程 1. Image derivatives 2. Square of derivatives 3. Gaussian filter g( ) 4. Cornerness function 5. Non-maxima suppression cHarris tHarris （2）Hessian detector ( Beaudet,1978) Taylor二阶展开式 小总结 Harris detector ◇ Rotation invariant ? Yes The eigenvalues of M reveal the amount of intensity change in the two principal orthogonal gradient directions in the window. ◇ Scale invariant ? No Hessian detector 一. 特征匹配过程 1 特征提取 1.1 Harris and Hessian Detector 1.2 尺度不变特征检测 1.3 仿射不变特征检测 1.4 特征提取总结 2 特征描述 3 特征匹配 二. SIFT算法 1.2 尺度不变特征检测 (1) 尺度选择 (2) The Laplacian-of-Gaussian (LoG) Detector (3) The Difference-of-Gaussian (DoG) Detector (4) The Harris-Laplacian Detector (5) The Hessian-Laplace Detector 1.2 尺度不变特征检测 (1) 尺度选择 1.2 尺度不变特征检测 1.2 尺度不变特征检测 (2) The Laplacian-of-Gaussian (LoG) Detector ◇1 Laplacian filter Laplacian算子具有旋转不变性，但对噪声很敏感，因此常需进行平滑操作 ◇2 LoG filter 高斯滤波平滑，然后拉普拉斯滤波。 1.2 尺度不变特征检测 (3) The Difference-of-Gaussian (DoG) Detector 可用高斯差分函数(DoG)近似LoG LoG and DoG Zero crossings “Mexican hat”, “Sombrero” Edge detector ! 1.2 尺度不变特征检测 (4) The Harris-Laplacian Detector 1 初始化：多尺度下的Harris角点检测 2 基于Laplacian的尺度选择 1.2 尺度不变特征检测 (5) The Hessian-Laplace Detector 思想与Harris-Laplacian Detector相同 一. 特征匹配过程 1 特征提取 1.1 Harris and Hessian Detector 1.2 尺度不变特征检测 1.3 仿射不变特征检测 1.4 特征提取总结 2 特征描述 3 特征匹配 二. SIFT算法 1.3 仿射不变特征检测 Harris/Hessian Affine 一. 特征匹配过程 1 特征提取 1.1 Harris and Hessian Detector 1.2 尺度不变特征检测 1.3 仿射不变特征检测 1.4 特征提取总结 2