文档介绍：从尺度不变关键点选择可区分的图像特征 Distinctive Image Features from Scale-Invariant Keypoints (从尺度不变关键点选择可区分的图像特征) 报告人:马振磊学号: 2015110189 从尺度不变关键点选择可区分的图像特征目标识别与匹配 B 提取图像特征 A从尺度不变关键点选择可区分的图像特征图像特征特征数量:它对目标识别尤为重要,要具备探测杂乱背景下的小目标能力,要求每个目标至少有三个特征被正确的匹配才是可靠的识别。定义:图像特征是指某一副或某一类图像区别于其他图像的本质特点或特性或是这些特点和特性的集合实用性:它具备将一个目标或场景的不同影像进行匹配。特点:对于图像尺度和旋转具有不变性,并在光照变化和三维相机视点变换的情况下具有部分不变性。从尺度不变关键点选择可区分的图像特征图像特征提取的方法特点:它可以生成大量特征,它们的密集覆盖了整个图像尺度和位置。一幅 500 * 500 的像素的典型图片可以产生约 2000 个稳定的特征。尺度不变的特征转化法( SIFT ):基于局部特征把图像数据转换到尺度不变的坐标上。从尺度不变关键点选择可区分的图像特征 SIFT 算法的步骤 (关键点) ?尺度空间理论的目的是模拟图像数据的多尺度特征, 高斯卷积核是实现尺度变换的唯一线性核。于是一幅二维图像的尺度空间函数定义为: 尺度空间的生成从尺度不变关键点选择可区分的图像特征从尺度不变关键点选择可区分的图像特征构造高斯差分尺度空间表达式: 从尺度不变关键点选择可区分的图像特征尺度空间极值探测?为了探测尺度空间极值点,每个样本点都要和它当前图像的八个近邻点和上下尺度上的各九个近点邻相比较,确保在二维图像空间和尺度空间都检测到极值点。只有在它比所有近邻大或者小时才会被选择,认为该点是图像在尺度下的一个特征点。从尺度不变关键点选择可区分的图像特征精确定位极值点?通过拟合三维二次函数以精确确定关键点的位置和尺度,同时去除低对比度的关键点和不稳定的边缘响应点( DoG 算子会产生较强的边缘响应),以增强匹配稳定性,提高抗噪声能力。