20、图像纹理特征提取与分析技术详解

图像纹理特征提取与分析技术详解

1. SIFT 描述符计算流程

SIFT（尺度不变特征变换）描述符的计算主要分为以下几个关键步骤：
1. 关键点过滤 ：由于对噪声较为敏感，通过对局部样本点拟合 3D 二次函数来确定位置、尺度和主曲率比，从而进行过滤。接着使用 Hessian 矩阵消除边缘响应，因为边缘响应在少量噪声下不稳定。
2. 方向分配 ：基于局部图像属性为每个关键点分配方向，以实现图像旋转不变性。具体操作如下：
- 选择尺度最接近的高斯平滑图像。
- 选择关键点周围区域的点，并计算梯度的大小和方向。
- 根据关键点周围区域内样本点的梯度方向形成方向直方图。每个添加到直方图的样本由其梯度大小和一个高斯加权圆形窗口加权，窗口半径 r 是关键点尺度的 1.5 倍。
- 使用最高峰值以及在最高峰值 80% 范围内的局部峰值来创建具有该方向的关键点。
- 最后，使用每个峰值最接近的三个直方图值进行插值（拟合抛物线），以获得更准确的峰值，该峰值对应于局部梯度的主导方向。
3. 计算局部图像描述符 ：这是 SIFT 描述符计算的最后阶段，旨在为局部图像区域计算一个高度独特且尽可能对光照或 3D 视角变化不变的描述符。具体步骤如下：
- 在 4×4 像素邻域上创建一组方向直方图，每个直方图有 8 个区间。这些直方图根据关键点周围 16×16 区域内样本的大小和方向值计算得出，每个直方图包含原始邻域区域 4×4 子区域的样本。
- 大小进一步由一个高斯函数加权，该函数的 r 等于描述符窗口宽度的一半。
- 描述