文档介绍：基于特征的匹配
一. 特征匹配过程
1 特征提取
2 特征描述
3 特征匹配
二. SIFT算法
Local features Detection:
2 x 2 matrix of image derivatives (averaged in
neighborhood of a point).
(1)平移Translation
(2)欧几里德几何(平移+旋转)
(3)相似性变换(平移+旋转+尺度)
(4)仿射变换
(5)投影变换
The need for invariance
1. 几何变换
2. 光照变化
一. 特征匹配过程
1 特征提取
Harris and Hessian Detector
尺度不变特征检测
仿射不变特征检测
特征提取总结
2 特征描述
3 特征匹配
二. SIFT算法
(1)Harris detector (Harris, 1988)
Second moment matrix/ autocorrelation matrix
公式由来说明
影像信号的局部自相关函数
给定点(x, y)及位移(△x, △y),窗口为W,用差平方和(SSD)近似自相关函数,计算窗口W和位移窗口内灰度的差别。
位移后影像函数通过一阶泰勒展开式近似
重新计算 f(x,y):
“second moment matrix M”
Autocorrelation (second moment) matrix
—M can be used to derive a measure of “cornerness”
—Independent of various displacements (Δx, Δy)
—Corner: significant gradients in >1 directions rank M = 2
—Edge: significant gradient in 1 direction rank M = 1
—Homogeneous region rank M = 0
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
得到Hessian矩阵
I
Ixx
Ixy
Iyy