AI笔记: 计算机视觉之SIFT特征检测: 关键点定位、关键点特征描述

Wang's Blog

于 2020-03-03 17:00:26 发布

阅读量1.4k

点赞数 1

分类专栏： AI 文章标签： ai 计算机视觉 SIFT 关键点定位关键点特征描述

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/Tyro_java/article/details/104636209

版权

AI 专栏收录该内容

71 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了SIFT特征检测过程，包括关键点定位的子像素插值、消除边缘响应和有限差分法求导，以及关键点特征描述的邻域窗口梯度和方向直方图生成。SIFT特征具有旋转、尺度和亮度不变性，适用于图像匹配和识别。然而，SIFT在实时性和特征点数量上存在不足，后续出现了如SURF、ORB等替代方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

关键点定位

之前的方法检测到的极值点是离散空间的极值点，下面通过拟合三维二次函数来精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点(因为DoG算子会产生较强的边缘响应)，以增强匹配稳定性、提高抗噪声能力。
离散空间的极值点并不是真正的极值点，下图显示了二维函数离散空间得到的极值点与连续空间极值点的差别。利用已知的离散空间点插值得到的连续空间极值点的方法叫做子像素插值(Sub-pixel Interpolation)。

候选特征点x, 其偏移量定义为 $\Delta$

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

Wang's Blog 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。