JiePro

静坐 常思己过 闲谈 莫论人非

导航

2013年9月3日 #

SIFT算法:确定特征点方向

摘要: SIFT算法:DoG尺度空间生产SIFT算法:KeyPoint找寻、定位与优化SIFT算法:确定特征点方向SIFT算法:特征描述子目录:1、计算邻域梯度方向和幅值2、计算梯度方向直方图3、确定特征点方向1 计算邻域梯度方向和幅值 为了实现图像旋转的不变性,需要根据检测到的特征点的局部图像结构求得一个方向基准。我们使用图像梯度的方法求取该局部结构的稳定方向。对于己经检测到特征点,我们知道该特征点的尺度值σ,因此根据这一尺度值,在GSS中得到最接近这一尺度值的高斯图像。然后使用有限差分,计算以特征点为中心,以3X1.5σ为半径的区域内图像梯度的幅角和幅值,如下图所示。幅角和幅值计算公式加下:2 . 阅读全文

posted @ 2013-09-03 21:27 JiePro 阅读(8444) 评论(1) 推荐(3) 编辑

SIFT算法:KeyPoint找寻、定位与优化

摘要: SIFT算法:DoG尺度空间生产SIFT算法:KeyPoint找寻、定位与优化SIFT算法:确定特征点方向SIFT算法:特征描述子目录:1、找寻2、定位3、优化1 KeyPoint找寻 极值的检测是在DoG空间进行的,检测是以前点为中心,3pixel*3pixel*3pixel的立方体为邻域,判断当前点是否为局部最大或最小。如下图所示,橘黄色为当前检测点,绿色点为其邻域。因为要比较当前点的上下层图像,所以极值检测从DoG每层的第2幅图像开始,终止于每层的倒数第2幅图像(第1幅没有下层,最后1幅没有上层,无法比较)。2 KeyPoint定位 以上极值点的搜索时在离散空间中进行的,检测到的极值.. 阅读全文

posted @ 2013-09-03 14:46 JiePro 阅读(5380) 评论(1) 推荐(1) 编辑