- 博客(2)
- 收藏
- 关注
RSS订阅原创 [转]SIFT中的尺度空间和传统图像金字塔
最近自己混淆了好多概念，一边弄明白的同时，也做了一些记录，分享一下。想要得知图像中哪些是有意义的，必须先要明确这样一个问题：在一幅图像中，只有在一定的尺度范围内，一个物体才有意义。举一个例子，树枝这个概念，只有在几厘米到几米的距离去观察它，才能感知到它的确是树枝；如果在微米级或者千米级去观察，就不能感知到树枝这个概念了，这样的话可以感知到的是细胞或者是森林的概念。因而，如果想要描述现实世界的结构，或者将三维物体映射到二维的图像上去，多尺度表示将会至关重要。多尺度表示的概念很容易理解，举例说明，绘制地图时会有
2010-10-15 21:24:00
4477
转载 [转] 三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
<br />识别算法概述：<br /> <br />SIFT/SURF基于灰度图，<br />一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。<br />二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT采用在一个正方形邻域内统计所有点的梯度方向，找到占80%以上的方向作为主方向；而SURF则选择圆形邻域，并且使用活动扇形的方法
2010-10-14 19:20:00
975
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人