关于SIFT算法与研究

《关于SIFT算法与研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学专年姓院业级名学年论文（本科）数学与信息科学学院信息与计算科学2010级赵佳佳、练赛、李：林马利军、李西振、张璐论文题冃指导教师成绩SIFT算法研究职称2012年5月27日学年论文成绩评定表评语成绩：指导教师（签名）：2012年月日学院意见：学院院长（签名）：2012年月日摘要4关键词4Abstract4Keyword41预备知识51.1SIFT特征的定义51.2SIFT特征的主耍特点51.3SIFT的发展历程62SIFT算法的步骤62.1尺度空间的生成62.2检测尺度空间极值点92.3精确定位

2、极值点112.4为每个极值点指定方向参数122.5关键点描述了的形成133描述符的性能测试153.1描述符对于图像旋转变化的测试153.2描述符对于图像尺度变化的测试154SIFT算法的实现165应用与前景17参考文献18SIFT算法研究摘要：尺度不变特征转换(Scale-invariantfeaturetransform或SIFT)是一种电脑视觉的算法用来侦测与描述影像屮的局部性特征，它在空间尺度小寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由DavidLowe在1999年所发表，200

3、4年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。此算法有其专利，专利拥有者为英屈哥伦比亚大学。关键词：尺度不变特征转换；电脑视觉；局部性特征；极值点AlgorithmstudyforSIFTAbstract：ScaleInvariantFeatureTransform(Scale-invariantfeaturetransformorSIFT)isacomputervisionalgorithmfortodetectthelocal

4、izedfeaturesinthedescriptionoftheimage,lookingforextremepointsinthespatialscale,andextractitslocationscale,rotationinvariant,thealgorithmbyDavidLowein1999,2004perfectsummary.Itsscopeofapplicationincludeobjectrecognition,robotmapPerceptionandnavigation

5、,image,3Dmodeling,gesturerecognition,imagetrackingandaction.Thisalgorithmhasitsownpatent,thepatentholderfortheUniversityofBritishColumbia.Keyword：ScaleInvariantFeatureTransform;computervision;localitycharacteristics;extremepoints1预备知识1.1SIFT特征的定义SIFT特

6、征（Scale・invariantfeaturetransform,尺度不变特征转换）是一种电脑视觉的算法用来侦测与描述影像屮的局部性特征，它在空间尺度小寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由DavidLowe在1999年所发表，2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。此算法有其专利，专利拥有者为英属哥伦比亚大学。局部影像特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点而

7、与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库屮，很容易辨识物体而且鲜有课认。使用SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件卜辨识速度可接近即时运算。SIFT特征的信息量大，适合在海量数据库小快速准确匹配。1.2SIFT特征的只要特点从理论上说，SIFT是一种相似不变量，即对图像尺度变化和旋转是不

8、变量。然而，由于构造SIFT特征时，在很多细节上进行了特殊处理，使得SIFT对图像的复朵变形和光照变化具有了较强的适应性，同时运算速度比较快，定位精度比较高。如：在多尺度空间采用DOG算了检测关键点，相比传统的基于LOG算了的检测方法，运算速度大大加快；关键点的精确定位不仅提高了精度，而且大大提高了关键点的稳定性；在构造描述了时，以了区域的统计特性，而不是以单个像素作为研究对象，提高了对图像局部变形的适应能力；对于16*16的关键点邻域和4*4的子区域，在处理梯度幅度时都进行了类似