1)采用高斯差分金字塔,来近似高斯拉普拉斯算子,是为了在平滑滤波后依然保持尺度不变性,即在不同尺度下的特征不变。
2)采用不同的尺度下的高斯差分图像,是为了在不同尺度下,比较图像之间的特征点。如果一张图像比另一张放大了或缩小了,那么可以比较它们的不同尺度下的特征点。
3)特征点的要素:极值点;其它手段,如:阈值、曲率等等用于剔除不合条件的点;拟合用于提取最大值位置;
4)特征点的描述:该关键点附近的各个点的幅度和角度,组成向量,128维最佳;对于角度,要统计主方向,然后将特征向量旋转到主方向,这样,向量特征都是从主方向算起,能保证旋转不变性。
5)特征点的比较和匹配:计算两个特征点向量之间的欧式距离,A与A'的距离 除以 A与任意B'的距离 要小于一个临界值(threshold),那么A与A'就是匹配的。
6)surf 特征提取,是其改进方法,更适合计算。
标签:高斯,--,尺度,特征,sift,特征提取,向量 From: https://www.cnblogs.com/gotohome/p/17720607.html