計算機視覺 ——SIFT運算元

阿新 • • 發佈：2018-12-10

SIFT

四個主要步驟

尺度空間的極值檢測 搜尋所有尺度空間上的影象，通過高斯微分函式來識別潛在的對尺度和選擇不變的興趣點。
特徵點定位 在每個候選的位置上，通過一個擬合精細模型來確定位置尺度，關鍵點的選取依據他們的穩定程度。
特徵方向賦值 基於影象區域性的梯度方向，分配給每個關鍵點位置一個或多個方向，後續的所有操作都是對於關鍵點的方向、尺度和位置進行變換，從而提供這些特徵的不變性。
特徵點描述 在每個特徵點周圍的鄰域內，在選定的尺度上測量影象的區域性梯度，這些梯度被變換成一種表示，這種表示允許比較大的區域性形狀的變形和光照變換

1 尺度尺度極值檢測

1.1 LOG

高斯拉布拉斯運算元檢測特徵點最好，但運算量過大，故選用DOG

1.2 DOG

這裡寫圖片描述

1.3 DoG空間極值檢測

這裡寫圖片描述每一層的頂層和底層無法比較，需要高斯模糊生成三幅影象

這裡寫圖片描述

2 刪除不好的極值點

原因：極值點是在DOG離散空間得到的，離散空間極值點不一定全部滿足連續空間的極值點，因此要把不滿足的刪除掉。可以在尺度空間通過DOG函式進行曲線擬合尋求極值點，目的是去點兒曲率非常不對稱的點： 1.低對比度的特徵點

對比度的泰勒展式
求導
帶入，大於閾值留

2.不穩定的邊緣點響應在邊緣方向的主曲率值比較大，而沿著方向上的曲率值比較小，與Hessian矩陣值成正比。

H = [\begin{array}{cc} D_{x x} D_{y x} \\ D_{x y} D_{y y} \end{array}]

T r (H) = D_{x x} + D_{y y} = α + β D e t (H) = D_{x x} + D_{y y} - D_{x y}^{2} = α \cdot β

γ = \frac{α}{β}

\frac{T r (H)^{2}}{D e t (H)} = \frac{(α + β)^{2}}{α β} = \frac{(γ β + β)^{2}}{γ β^{2}} = \frac{(γ + 1)^{2}}{γ}

因此為了檢測主曲率是否在某個閾值

T_{γ}

下，只需檢測

\frac{T r (H)^{2}}{D e t (H)} > \frac{(T_{γ} + 1)^{2}}{T_{γ}}

3 求取特徵點的主方向

已經找到不同尺度下均存在特徵點，為了實現影象旋轉不變性，需要給特徵的方向進行賦值。主要利用關鍵點鄰域畫素的梯度方向分佈特性，為關鍵點指定的方向特性

m (x, y) = \sqrt{[L (x + 1, y) - L (x - 1, y)]^{2} + [L (x, y + 1) - L (x, y - 1)]^{2}}

θ (x, y) = \arctan \frac{L (x, y + 1) - L (x, y - 1)}{L (x + 1, y) - L (x - 1, y)}

這裡寫圖片描述在梯度直方圖中，當存在一個相當於主峰值80%能量的柱值時，則可以將這個方向認為是該特徵點輔助方向。一個特徵點可能檢測到多個方向（也可以理解為，一個特徵點可能產生多個座標、尺度相同，但是方向不同的特徵點）。

4 生成特徵描述

這裡寫圖片描述每個特徵點由4個種子點組成，每個種子點有8個方向的向量資訊。 推廣128維度

128維

計算機視覺 ——SIFT運算元

SIFT

1 尺度尺度極值檢測

1.1 LOG

1.2 DOG

1.3 DoG空間極值檢測

2 刪除不好的極值點

3 求取特徵點的主方向

4 生成特徵描述

5 參考

計算機視覺 ——SIFT運算元

計算機視覺 || Canny運算元實現邊緣分割並進一步處理

sift 計算機視覺——描述子

【計算機視覺】卷積、均值濾波、高斯濾波、Sobel運算元、Prewitt運算元(Python實現)

【計算機視覺】SIFT中LoG和DoG比較

Python計算機視覺程式設計練習1：Python 呼叫 SIFT

OpenCV計算機視覺學習（13）——影象特徵點檢測（Harris角點檢測，sift演算法）

『python』OpenCV3計算機視覺庫安裝

常用牛人主頁鏈接（計算機視覺、模式識別、機器學習相關方向,陸續更新。。。。）【轉】

『python』計算機視覺_OpenCV3庫安裝

Azure 認知服務 (3) 計算機視覺API - 分析圖像，使用C#代碼

『python』計算機視覺_OpenCV3目標檢測器（待續）

計算機視覺（ComputerVision, CV）相關領域的站點鏈接

常用牛人主頁鏈接（計算機視覺、模式識別、機器學習相關方向,陸續更新

計算機視覺方向三大頂級會議

轉載：計算機視覺方向相關課程與書籍

騰訊 AI Lab 計算機視覺中心人臉 & OCR團隊近期成果介紹（3）

計算機視覺---初級學習

【python下使用OpenCV實現計算機視覺讀書筆記2】圖像與字節的變換

OpenCV3計算機視覺+python(三)

計算機視覺 ——SIFT運算元

SIFT

1 尺度尺度極值檢測

1.1 LOG

1.2 DOG

1.3 DoG空間極值檢測

2 刪除不好的極值點

3 求取特徵點的主方向

4 生成特徵描述

5 參考

相關推薦