场景识别学习笔记日记2016.11.24

最新推荐文章于 2024-10-17 13:10:58 发布

原创最新推荐文章于 2024-10-17 13:10:58 发布 · 1.3k 阅读

3 ·

CC 4.0 BY-SA版权

Deep Learning 专栏收录该内容

28 篇文章

订阅专栏

本文介绍如何使用Matlab进行SIFT特征提取，包括处理图像使其符合vl_sift函数的要求，以及如何利用vl_sift进行特征点匹配。同时对比了Matlab自带的SIFT函数与vl_sift函数的不同之处。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、几个重要的网址

1、matlab 安装 vl_feat：http://blog.youkuaiyun.com/u013213396/article/details/42629105

摘要：这个包里面含有各种图像处理需要的工具，比如提取 hog，sift 特征，训练线性 svm 参数等。

2、布朗大学公开课中的第三个作业，和场景识别有关：http://cs.brown.edu/courses/csci1430/proj3/

3、详细讲了讲vl_sift：http://www.cnblogs.com/tgyf/archive/2013/06/02/3113648.html

二、SIFT

1、vl_sift

一般教程：参考官方文档http://www.vlfeat.org/overview/sift.html

中文翻译教程：http://blog.youkuaiyun.com/linj_m/article/details/9833473

问题所在：vl_sift始终要求输入必须是灰度、single图像。官方示例图片给出的single()纯属扯淡。

具体解决方案：

img=imread('img.jpg');
img1=rgb2gray(img);
img2=im2single(img1);%这才是标配的转化single图像写法
f=vl_sift(img2);

2、matlab自带sift和vl_sift代码比较

%% vl_sift

% 准备工作，包括single和灰度化
figure;
I = imread('notebook1.jpg');
I = im2single(I) ;

%图像特征点的提取，f,d分别代表特征点坐标及对象描述子
%The matrix f has a column for each frame. A frame is a disk of center
%f(1:2), scale f(3) and orientation f(4) .
[f,d] = vl_sift(I) ;

h1 = vl_plotframe(f(:,:)) ;
h2 = vl_plotframe(f(:,:)) ;
set(h1,'color','k','linewidth',3) ;
set(h2,'color','y','linewidth',2) ;


%% vl_sift匹配
Ia = imread('notebook1.jpg');
Ia = im2single(Ia);
Ib = imread('notebook2.jpg');
Ib = im2single(Ib);
[fa, da] = vl_sift(Ia);  
[fb, db] = vl_sift(Ib) ;  
% matches存储的最相近两点，scores存储的代价距离
% 小技巧：size(matches,2)可以得知匹配点数量
[matches, scores] = vl_ubcmatch(da, db);




%% matlab自带的sift特征提取及显示
[image, descrips, locs] = sift('notebook1.jpg');  
showkeys(image, locs);




%% 普通匹配
match('notebook1.jpg','notebook2.jpg');