sift算法详解及应.ppt

2018/2/6
1/60
尺度不变特征变换匹配算法 Scale Invariant Feature Transform (SIFT)
宋丹
10905056
2018/2/6
2
SIFT简介
SIFT算法实现细节
提纲
SIFT算法的应用领域
SIFT算法的扩展与改进
2018/2/6
3
SIFT简介
传统的特征提取方法
成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。
2018/2/6
4
1999年British (David )教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子-SIFT(尺度不变特征变换),这种算法在2004年被加以完善。
SIFT提出的目的和意义
David G. puter Science Department2366 Main MallUniversity of British ColumbiaVancouver, ., V6T 1Z4, Canada
E-mail: ******@
SIFT简介
2018/2/6
5
SIFT简介
将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。
Original image courtesy of David Lowe
2018/2/6
6
SIFT简介
SIFT算法特点
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。
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。
多量性,即使少数的几个物体也可以产生大量SIFT特征向量。
经过优化的SIFT算法可满足一定的速度需求。
可扩展性,可以很方便的与其他形式的特征向量进行联合。
2018/2/6
7
目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:
目标的旋转、缩放、平移(RST)
图像仿射/投影变换(视点viewpoint)
光照影响(illumination)
目标遮挡(occlusion)
杂物场景(clutter)
噪声
SIFT算法可以解决的问题
SIFT简介
Back
2018/2/6
8
SIFT算法实现细节
SIFT算法实现步骤简述
SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。
SIFT算法实现物体识别主要有三大工序,1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。
2018/2/6
9
关键点检测
关键点描述
关键点匹配
消除错配点
SIFT算法实现细节
SIFT算法实现步骤
2018/2/6
10
所谓关键点,就是在不同尺度空间的图像下检测出的具有方向
信息的局部极值点。
根据归纳,我们可以看出特征点具有的三个特征:

尺度方向大小
关键点检测的相关概念
1. 哪些点是SIFT中要查找的关键点(特征点)?
这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点、
边缘点、暗区域的亮点以及亮区域的暗点,既然两幅图像中有相同的景物,
那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点。