|
摘要：
http://blog.csdn.net/txdb/archive/2009/07/15/4350631.aspx第一次接触sift是在一年前了。当时急于搞毕业论文，觉得sift太难理解。换到神经网络上了。现在回过头来，发现sift的资料还是一样的稀少，还好有代码，研究sift人倒是多了很多了。。决定再花点时间琢磨看看。参考的代码为sifttutorial（matlab代码）和一个c#代码gkp。 首先就是要搞清楚尺度空间理论，Tony Lindeberg【1994】 在他的论文中有详细的介绍，我没有耐心看完。所以还是不很懂。其中有句话是这么说的“The main result we will 阅读全文
posted @ 2010-12-09 17:47 编著人 阅读(1215) 评论(0) 推荐(0) 编辑
摘要：
废话：如果你像我一样没有想搞图像的一本书从头看到尾（其实也没几个人能从头看到尾的，很多都是拿MatLAB扯扯淡！）的话，在SIFT算法的资料里出现的很多概念可能是你理解的障碍！因为觉得有必要说一下，希望这样会给一些像我一样没什么基础的人一些帮助！如果一下当中有的你知道了你可以跳过去呵呵！也有可能有些概念我解释的不是很对，也希望您的指正！基本概念：降采样：对于一幅图像而言的降采样就是每隔几行、几列得到取一点，组成一个新的图像。以比例因子为2（fact of 2）的降采样来说：就是対一幅图像每隔一行一列取一点。对于n×n的图像就变为n/2×n/2的图像了。比例因子为2的降采样是SFIT要用到的！升 阅读全文
posted @ 2010-12-09 17:09 编著人 阅读(1286) 评论(1) 推荐(1) 编辑
摘要：
http://blog.csdn.net/glistenning/archive/2009/09/18/4564037.aspxScale Invariant Feature Transform (SIFT) is an approach for detecting and extracting local feature descriptors that are reasonably invariant to change in illumination, image noise, rotation, scaling, and small changes in viewpoint.SIFT是 阅读全文
posted @ 2010-12-09 17:07 编著人 阅读(819) 评论(0) 推荐(0) 编辑
摘要：
http://www.shamoxia.com/html/y2010/2146.html最近自己混淆了好多概念，一边弄明白的同时，也做了一些记录，分享一下。想要得知图像中哪些是有意义的，必须先要明确这样一个问题：在一幅图像中，只有在一定的尺度范围内，一个物体才有意义。举一个例子，树枝这个概念，只有在几厘米到几米的距离去观察它，才能感知到它的确是树枝；如果在微米级或者千米级去观察，就不能感知到树枝这个概念了，这样的话可以感知到的是细胞或者是森林的概念。因而，如果想要描述现实世界的结构，或者将三维物体映射到二维的图像上去，多尺度表示将会至关重要。多尺度表示的概念很容易理解，举例说明，绘制地图时会有 阅读全文
posted @ 2010-12-09 13:22 编著人 阅读(2846) 评论(3) 推荐(0) 编辑 |
||
