算法特征提取演示文稿

算法特征提取演示文稿目前一頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)（優(yōu)選）算法特征提取目前二頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)sift算法概述：尺度不變特征轉(zhuǎn)換SIFT（Scale-invariantfeaturetransform）是一種檢測(cè)局部特征的算法，該算法通過(guò)求一幅圖中的特征點(diǎn)（interestpoints,orcornerpoints）及其有關(guān)scale和orientation的描述子得到特征并進(jìn)行圖像特征點(diǎn)匹配，獲得了良好效果。目前三頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)SIFT算法實(shí)質(zhì)SIFT算法的實(shí)質(zhì)是在不同的尺度空間上查找關(guān)鍵點(diǎn)(特征點(diǎn))，并計(jì)算出關(guān)鍵點(diǎn)的方向。SIFT所查找到的關(guān)鍵點(diǎn)是一些十分突出，不會(huì)因光照，仿射變換和噪音等因素而變化的點(diǎn)，如角點(diǎn)、邊緣點(diǎn)、暗區(qū)的亮點(diǎn)及亮區(qū)的暗點(diǎn)等。目前四頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)應(yīng)用范圍物體辨識(shí)、機(jī)器人地圖感知與導(dǎo)航、影像縫合、3D模型建立、手勢(shì)辨識(shí)、影像追蹤和動(dòng)作比對(duì)。目前五頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)局部影像特征的描述與偵測(cè)可以幫助辨識(shí)物體，SIFT特征是基于物體上的一些局部外觀(guān)的興趣點(diǎn)而與影像的大小和旋轉(zhuǎn)無(wú)關(guān)。對(duì)于光線(xiàn)、噪聲、些微視角改變的容忍度也相當(dāng)高?；谶@些特性，它們是高度顯著而且相對(duì)容易擷取，在母數(shù)龐大的特征數(shù)據(jù)庫(kù)中，很容易辨識(shí)物體而且鮮有誤認(rèn)。目前六頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)使用SIFT特征描述對(duì)于部分物體遮蔽的偵測(cè)率也相當(dāng)高，甚至只需要3個(gè)以上的SIFT物體特征就足以計(jì)算出位置與方位。在現(xiàn)今的電腦硬件速度下和小型的特征數(shù)據(jù)庫(kù)條件下，辨識(shí)速度可接近即時(shí)運(yùn)算。SIFT特征的信息量大，適合在海量數(shù)據(jù)庫(kù)中快速準(zhǔn)確匹配。目前七頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)SIFT算法的特點(diǎn)1.SIFT特征是圖像的局部特征，其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性；2.獨(dú)特性（Distinctiveness）好，信息量豐富，適用于在海量特征數(shù)據(jù)庫(kù)中進(jìn)行快速、準(zhǔn)確的匹配；目前八頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)

SIFT算法的特點(diǎn)

3.多量性，即使少數(shù)的幾個(gè)物體也可以產(chǎn)生大量的SIFT特征向量；4.高速性，經(jīng)優(yōu)化的SIFT匹配算法甚至可以達(dá)到實(shí)時(shí)的要求；5.可擴(kuò)展性，可以很方便的與其他形式的特征向量進(jìn)行聯(lián)合。目前九頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)SIFT算法可以解決的問(wèn)題：目標(biāo)的自身狀態(tài)、場(chǎng)景所處的環(huán)境和成像器材的成像特性等因素影響圖像配準(zhǔn)/目標(biāo)識(shí)別跟蹤的性能。而SIFT算法在一定程度上可解決：1.目標(biāo)的旋轉(zhuǎn)、縮放、平移（RST）2.圖像仿射/投影變換（視點(diǎn)viewpoint）目前十頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)

SIFT算法可以解決的問(wèn)題：

3.光照影響（illumination）4.目標(biāo)遮擋（occlusion）5.雜物場(chǎng)景（clutter）6.噪聲目前十一頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)SIFT算法步驟1.尺度空間極值檢測(cè)：搜索所有尺度上的圖像位置。通過(guò)高斯微分函數(shù)來(lái)識(shí)別潛在的對(duì)于尺度和旋轉(zhuǎn)不變的興趣點(diǎn)。2.關(guān)鍵點(diǎn)定位：在每個(gè)候選的位置上，通過(guò)一個(gè)擬合精細(xì)的模型來(lái)確定位置和尺度。關(guān)鍵點(diǎn)的選擇依據(jù)于它們的穩(wěn)定程度。目前十二頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)

SIFT算法步驟

3.方向確定：基于圖像局部的梯度方向，分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè)方向。所有后面的對(duì)圖像數(shù)據(jù)的操作都相對(duì)于關(guān)鍵點(diǎn)的方向、尺度和位置進(jìn)行變換，從而提供對(duì)于這些變換的不變性。目前十三頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)

SIFT算法步驟

4.關(guān)鍵點(diǎn)描述：在每個(gè)關(guān)鍵點(diǎn)周?chē)泥徲騼?nèi)，在選定的尺度上測(cè)量圖像局部的梯度。這些梯度被變換成一種表示，這種表示允許比較大的局部形狀的變形和光照變化。目前十四頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)SIFT算法是在不同的尺度空間上查找關(guān)鍵點(diǎn)，而尺度空間的獲取需要使用高斯模糊來(lái)實(shí)現(xiàn)，Lindeberg等人已證明高斯卷積核是實(shí)現(xiàn)尺度變換的唯一變換核，并且是唯一的線(xiàn)性核。目前十五頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)一、尺度空間極值檢測(cè)尺度空間使用高斯金字塔表示。TonyLindeberg指出尺度規(guī)范化的LoG(LaplacionofGaussian)算子具有真正的尺度不變性，Lowe使用高斯差分金字塔近似LoG算子，在尺度空間檢測(cè)穩(wěn)定的關(guān)鍵點(diǎn)。目前十六頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)尺度空間(scalespace)在計(jì)算機(jī)視覺(jué)鄰域使用廣泛。尺度空間理論的基本思想是：在圖像信息處理模型中引入一個(gè)被視為尺度的參數(shù)，通過(guò)連續(xù)變化尺度參數(shù)獲得多尺度下的尺度空間表示序列，對(duì)這些序列進(jìn)行尺度空間主輪廓的提取，并以該主輪廓作為一種特征向量，實(shí)現(xiàn)邊緣、角點(diǎn)檢測(cè)和不同分辨率上的特征提取等。目前十七頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)目前十八頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)尺度空間滿(mǎn)足視覺(jué)不變性。一個(gè)圖像的尺度空間，定義為一個(gè)變化尺度的高斯函數(shù)與原圖像的卷積

其中，*表示卷積運(yùn)算，σ是尺度空間因子，值越小表示圖像被平滑的越少，相應(yīng)的尺度也就越小。大尺度對(duì)應(yīng)于圖像的概貌特征，小尺度對(duì)應(yīng)于圖像的細(xì)節(jié)特征。目前十九頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)一、尺度空間極值檢測(cè)

高斯金字塔的構(gòu)建尺度空間在實(shí)現(xiàn)時(shí)使用高斯金字塔表示，高斯金字塔的構(gòu)建分為兩部分：1.對(duì)圖像做不同尺度的高斯模糊；2.對(duì)圖像做降采樣(隔點(diǎn)采樣)。目前二十頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)目前二十一頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)一、尺度空間極值檢測(cè)

高斯差分金字塔2002年Mikolajczyk在詳細(xì)的實(shí)驗(yàn)比較中發(fā)現(xiàn)尺度歸一化的高斯拉普拉斯函數(shù)的極大值和極小值同其它的特征提取函數(shù)，能夠產(chǎn)生最穩(wěn)定的圖像特征。而Lindeberg早在1994年就發(fā)現(xiàn)高斯差分函數(shù)（DifferenceofGaussian，簡(jiǎn)稱(chēng)DOG算子）與尺度歸一化的高斯拉普拉斯函數(shù)非常近似。目前二十二頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)Lowe使用更高效的高斯差分算子代替拉普拉斯算子進(jìn)行極值檢測(cè)。在實(shí)際計(jì)算時(shí)，使用高斯金字塔每組中相鄰上下兩層圖像相減，得到高斯差分圖像，如下圖所示，進(jìn)行極值檢測(cè)。目前二十三頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)高斯差分金字塔的生成目前二十四頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)空間極值點(diǎn)檢測(cè)(關(guān)鍵點(diǎn)的初步探查)關(guān)鍵點(diǎn)是由DOG空間的局部極值點(diǎn)組成的，關(guān)鍵點(diǎn)的初步探查是通過(guò)同一組內(nèi)各DoG相鄰兩層圖像之間比較完成的。為了尋找DoG函數(shù)的極值點(diǎn)，每一個(gè)像素點(diǎn)要和它所有的相鄰點(diǎn)比較，看其是否比它的圖像域和尺度域的相鄰點(diǎn)大或者小。如圖3.4所示，中間的檢測(cè)點(diǎn)和它同尺度的8個(gè)相鄰點(diǎn)和上下相鄰尺度對(duì)應(yīng)的9×2個(gè)點(diǎn)共26個(gè)點(diǎn)比較，以確保在尺度空間和二維圖像空間都檢測(cè)到極值點(diǎn)。目前二十五頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)目前二十六頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)二、關(guān)鍵點(diǎn)定位通過(guò)擬合三維二次函數(shù)來(lái)精確確定關(guān)鍵點(diǎn)的位置和尺度，同時(shí)去除低對(duì)比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)(因?yàn)镈oG算子會(huì)產(chǎn)生較強(qiáng)的邊緣響應(yīng))，以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。目前二十七頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)2.1關(guān)鍵點(diǎn)的精確定位離散空間的極值點(diǎn)并不是真正的極值點(diǎn)，圖4.1顯示了二維函數(shù)離散空間得到的極值點(diǎn)與連續(xù)空間極值點(diǎn)的差別。利用已知的離散空間點(diǎn)插值得到的連續(xù)空間極值點(diǎn)的方法叫做子像素插值（Sub-pixelInterpolation）。目前二十八頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)離散空間與連續(xù)空間極值點(diǎn)的差別為了提高關(guān)鍵點(diǎn)的穩(wěn)定性，需要對(duì)尺度空間DoG函數(shù)進(jìn)行曲線(xiàn)擬合。目前二十九頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)2.2消除邊緣響應(yīng)一個(gè)定義不好的高斯差分算子的極值在橫跨邊緣的地方有較大的主曲率，而在垂直邊緣的方向有較小的主曲率。DOG算子會(huì)產(chǎn)生較強(qiáng)的邊緣響應(yīng)，需要剔除不穩(wěn)定的邊緣響應(yīng)點(diǎn)。目前三十頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)邊緣消除響應(yīng)前后的的關(guān)鍵點(diǎn)目前三十一頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)三、關(guān)鍵點(diǎn)方向分配為了使描述符具有旋轉(zhuǎn)不變性，需要利用圖像的局部特征為給每一個(gè)關(guān)鍵點(diǎn)分配一個(gè)基準(zhǔn)方向。使用圖像梯度的方法求取局部結(jié)構(gòu)的穩(wěn)定方向。對(duì)于在DOG金字塔中檢測(cè)出的關(guān)鍵點(diǎn)點(diǎn)，采集其所在高斯金字塔圖像3σ鄰域窗口內(nèi)像素的梯度和方向分布特征。目前三十二頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)在完成關(guān)鍵點(diǎn)的梯度計(jì)算后，使用直方圖統(tǒng)計(jì)鄰域內(nèi)像素的梯度和方向。梯度直方圖將0~360度的方向范圍分為36個(gè)柱(bins)，其中每柱10度。如下圖所示，直方圖的峰值方向代表了關(guān)鍵點(diǎn)的主方向，(為簡(jiǎn)化，圖中只畫(huà)了八個(gè)方向的直方圖)。目前三十三頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)關(guān)鍵點(diǎn)方向直方圖目前三十四頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)檢測(cè)結(jié)果如圖所示：sift特征將檢測(cè)出的含有位置、尺度和方向的關(guān)鍵點(diǎn)即是該圖像的SIFT特征點(diǎn)目前三十五頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)四、關(guān)鍵點(diǎn)特征描述通過(guò)以上步驟，對(duì)于每一個(gè)關(guān)鍵點(diǎn)，擁有三個(gè)信息：位置、尺度以及方向。接下來(lái)就是為每個(gè)關(guān)鍵點(diǎn)建立一個(gè)描述符，用一組向量將這個(gè)關(guān)鍵點(diǎn)描述出來(lái)，使其不隨各種變化而改變，比如光照變化、視角變化等等。這個(gè)描述子不但包括關(guān)鍵點(diǎn)，也包含關(guān)鍵點(diǎn)周?chē)鷮?duì)其有貢獻(xiàn)的像素點(diǎn)，并且描述符應(yīng)該有較高的獨(dú)特性，以便于提高特征點(diǎn)正確匹配的概率。目前三十六頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)根據(jù)SIFT進(jìn)行Match生成了A、B兩幅圖的描述子，（分別是k1*128維和k2*128維），就將兩圖中各個(gè)scale（所有scale）的描述子進(jìn)行匹配，匹配上128維即可表示兩個(gè)特征點(diǎn)match上了目前三十七頁(yè)\總數(shù)四十頁(yè)\編于七點(diǎn)當(dāng)兩幅圖像的