Java教程

SIFT算法简介

本文主要是介绍SIFT算法简介,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

文章目录

  • 1 算法提出的背景
  • 2 算法思想
  • 3 SIFT算法实现物体识别主要有三大工序

1 算法提出的背景

成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。1999年British Columbia大学大卫.劳伊( David G.Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子-SIFT(尺度不变特征变换),这种算法在2004年被加以完善。

在这里插入图片描述

2 算法思想

将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。

算法实现步骤简述:

SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。

在这里插入图片描述

3 SIFT算法实现物体识别主要有三大工序

  • 提取关键点;
  • 对关键点附加详细的信息(局部特征)也就是所谓的描述器;
  • 通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。

每个关键点有三个信息:位置,所处尺度、方向,由此可以确定一个SIFT特征区域。

直方图的峰值则代表了该关键点处邻域梯度的主方向,即作为该关键点的方向。

这篇关于SIFT算法简介的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!