本文深入探讨了图像检索中的关键步骤，包括使用SIFT（尺度不变特征变换）进行特征提取，详细阐述了尺度空间生成、极值点检测、定位、方向参数指定以及关键描述子生成的过程。此外，介绍了词袋模型（BOW）在匹配中的应用，尽管它忽略了位置信息。还提及了Fisher Vector方法，该方法考虑了概率分布，用于更精确的图像表示。这些技术对于理解和改进图像检索系统的性能至关重要。
图像检索知识整理
本文是对传统的图像检索方法、特征提取、描述子生成、匹配的方法进行部分总结
1. SIFT特征提取
1.1 尺度空间生成
L(x,y,σ)=G(x,y,σ)∗I(x,y) L(x,y,\sigma) = G(x,y,\sigma) *I(x,y) L(x,y,σ)=G(x,y,σ)∗I(x,y)
G(x,y,σ)=12πσ2e−(x2+y2)2σ2 G(x,y,\sigma) = \frac{1}{2\pi\sigma^2}e^{\frac{-(x^2+y^2)}{2\sigma^2}} G(x,y,σ)=2πσ21e2σ2−(x2+y2)
1.2 检测尺度空间极值点
1.3 精确定位极值点
D(x,y,σ)=D(x,y,σ)+∂DT∂xx+12xT∂2D∂x2 D(x,y,\sigma) = D(x,y,\sigma)+\frac{\partial D^T}{\partial x}x+\frac{1}{2}x^T\frac{\partial^2 D}{\partial x^2} D(x,y,σ)=D(x,y,σ)+∂x∂DTx+21xT</
最低0.47元/天 解锁文章
扫一扫
4263
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
