[CS]尺度不变特征变换匹配算法SIFT

当前位置 : 首页 > 网页制作 > CSS > [CS]尺度不变特征变换匹配算法SIFT

[CS]尺度不变特征变换匹配算法SIFT

来源: 作者: 时间:2016-01-20 09:22
尺度不变特征变换匹配算法SIFTe-mail:[email protected] comSIFT算法SIFT算法即尺度不变特征转换(Scale-invariant feature transform),本文重点不阐述该算法的原理,想要了解原理的朋友可以参考另一篇
尺度不变特征变换匹配算法SIFT
e-mail:
SIFT算法
SIFT算法即尺度不变特征转换(Scale-invariant feature transform),本文重点不阐述该算法的原理,想要了解原理的朋友可以参考另一篇比较详细的CSDN文章(戳这里查看),该篇文章讲述的比较详细。 SIFT算法主要分为五个步骤: (1)建立尺度空间,检测图像极值点:通过高斯微分函数建立尺度空间,通过高斯差分尺度空间(DoG scale-space)检测图像局部极值点。 (2)去除不稳定点,确定关键点:不稳定点主要为不稳定的边缘点和低对比度的关键点,Dacid G.Lowe通过拟合二阶微分方程的方法排除低对比度点,同时可采用Harris角点检测方法去除不稳定的边缘点。 (3)确定关键点的方向:主要原理是统计关键点领域所有的梯度方向直方图,以直方图中最大值作为该关键点的主方向,同时为了提高后续匹配的鲁棒性,将直方图中峰值超过主峰80%的方向作为该关键点的辅方向。 (4)提取关键点描述符 (5)关键点匹配:才用特征向量之间的欧氏距离评估关键点之间的相似性程度。那么这里会通过一个预设的阈值进行过滤,阈值的设置直接影响到匹配点的数量和精确性。一般阈值的选择为0.7~0.8之间。 为了更好的看到SIFT算法的效果,可以实践一下。 C++代码 环境:vs2010+opencv2.3.1+win7 ×64
#include 
#include 

using namespace std;
using namespace cv;
int main()
{
	//read the two input images
	Mat image1 = imread(image1.jpg);
	Mat image2 = imread(image2.jpg);
	//if failed
	if(image1.empty()||image2.empty())
	{
		cout< keypoint1,keypoint2;
	//detect image with SIFT,get key points
	siftDetector.detect(image1,keypoint1);
	Mat outImage1;
	//draw key points at the out image and show to the user
	drawKeypoints(image1,keypoint1,outImage1,Scalar(255,0,0));

	imshow(original_image1,image1);
	imshow(sift_image1,outImage1);
	
	Mat outImage2;
	
	siftDetector.detect(image2,keypoint2);
	drawKeypoints(image2,keypoint2,outImage2,Scalar(255,0,0));

	imshow(sift_image2.jpg,outImage2);
	//imwrite(sift_result2.jpg,outImage2);
	//store 10 keypoints in order to watch the effect clearly
	vector keypoint3,keypoint4;
	for(int i=0;i<10;i++)
	{
		keypoint3.push_back(keypoint1[i]);
		keypoint4.push_back(keypoint2[i]);
	}
	// difine a sift descriptor extractor
	SiftDescriptorExtractor extractor;
	//store the descriptor of each image
	Mat descriptor1,descriptor2;
	BruteForceMatcher> matcher;

	vector matches;
	Mat img_matches;
	//compute the descriptor of each image
	extractor.compute(image1,keypoint3,descriptor1);
	extractor.compute(image2,keypoint4,descriptor2);
	//match
	matcher.match(descriptor1,descriptor2,matches);
	//show the result
	drawMatches(image1,keypoint3,image2,keypoint4,matches,img_matches,Scalar(255,0,0));
	imshow(matches,img_matches);
	//store the match_image
	//imwrite(matches.jpg,img_matches);

	waitKey(0);
	return 0;
}

运行效果 依次为:原图,原图sift后,原图经缩放旋转再sift后,匹配结果 \\

\\

为了清晰看出匹配点之间的连线关系,程序中只是从每一幅图的SIFT关键点中选择了10个关键点,而且是下标相对应的10个点,从理论上来讲,可能存在一些问题,就是这些点实际上本就不是对应的匹配点,所以可能这也是造成匹配结果有误的原因。 那么如果我们把所有的关键点都进行匹配,效果如下:
依次为:原图和原图&缩放旋转后匹配,原图和原图&缩放后匹配。
\
\
从这两张匹配后的图中也可以看出,同样是存在错误匹配的。

 

Tag:
网友评论

<