sift算法简介

《sift算法简介》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、SIFT特征匹配算法简介1、SIFT算法基本概念Sift是DavidLowe于1999年提出的局部特征描述子，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有良好的不变性和很强的匹配能力。SIFT算法是一种提取局部特征的算法，也是一种模式识别技术，其基本思想是在尺度空间寻找极值点，提取位置，尺度，旋转不变量，它主要包括两个阶段，一个是Sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量；第二阶段是Sift特征向量的匹配。Sift及其扩展算法已被证实在同类描述子中具有最强的健壮性，目前是国内外研究的热点。2、SIFT算法的主要特点：a)SIFT

2、特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，而对物体运动、遮挡、噪声等因素也保持较好的可匹配性，从而可以实现差异较大的两幅图像之间特征的匹配。b)独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配，比原有的harris点匹配方式具有更高的匹配准确度。c)多量性，即使少数的几个物体也可以产生大量SIFT特征向量。d)高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。e)可扩展性，可以很方便的与其他形式的特征向量进行联合。SIFT算法基于图像特征尺度选择的思想，建立图

3、像的多尺度空间，在不同尺度下检测到同一个特征点，确定特征点位置的同时确定其所在尺度，以达到尺度抗缩放的目的。剔除一些对比度较低的点以及边缘响应点，并提取旋转不变特征描述符以达到抗仿射变换的目的。3、SIFT算法步骤：1）构建尺度空间，检测极值点，获得尺度不变性；2）特征点过滤并进行精确定位；3）为每个关键点指定方向参数4）生成关键点的描述子5）当两幅图像的Sift特征向量生成以后，下一步就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取一幅图中的某个关键点，通过遍历找到另一幅图中的距离最近的两个关键点。在这两个关键点中，如果次近距离除以最近距离小于某个阙值，则

4、判定为一对匹配点。降低这个比例阈值，SIFT匹配点数目会减少，但更加稳定。4、SIFT算法发展历程：Sift算子最早是由David.G.Lowe于1999年提出的，当时主要用于对象识别。2004年David.G.Lowe对该算子做了全面的总结及更深入的发展和完善，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（ScaleInvariantFeatureTransform)算子，即尺度不变特征变换。RobHess基于GSL和Opencv编写了相应的C语言程序，后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。在Mik

5、olajczyk对包括Sift算子在内的十种局部描述子所做的不变性对比实验中，Sift及其扩展算法已被证实在同类描述子中具有最强的健壮性。主要文献：1）DavidG.Lowe,"Objectrecognitionfromlocalscale-invariantfeatures,"InternationalConferenceonComputerVision,Corfu,Greece  2）DavidG.Lowe,"Distinctiveimagefeaturesfromscale-invariantkeypoints,"InternationalJournalofComputerVis

6、ion,3）Y.KeandR.Sukthankar.PCA-SIFT:AMoreDistinctiveRepresentationforLocalImageDescriptors.ComputerVisionandPatternRecognition,20045、关于局部不变特征1)局部不变特征的概念局部不变特征就是由局部邻域所构成的一个图像模式。局部不变特征可以是点集，也可以是边缘集合，或者一些小的图像块集合，甚至是上述集合的复合体。局部不变特征认为图像中总是存在一些特殊的区域，这些区域中的特征比其它图像区域的特征更加稳定，信息含量更高，能够表征图像的内容。局部不变特征的局部是指特征

7、只是图像的局部区域，不变性是指该特征不会因为图像经历了各种变换而发生变化。2）局部不变特征特点局部不变特征的种类繁多，适合不同的特征提取场合，各自独立性较强，相互之间可以组合和借鉴。复合类型的局部不变特征可能会增加计算负担，但是能够取得更好的性能。3）局部不变特征的应用局部不变特征是一种十分有效的工具，大量研究表明它能够适应各种图像处理的应用场合，特别是在模拟人类视觉系统的物体识别领域，拥有强大的应用性。从直观的人类视觉印象来看，人类视觉对物体