sift 消除低对比度点的阈值问题

DaiZZZZZ 2016-10-08 09:14:28

如图是对特征点进行精确定位时，将新的坐标（x,y,sigma）代入泰勒公式（拟合函数）后得到的。
我的疑问是：网上文章说

要大于0.04 ，否则丢弃。
如图中公式（4-3）所示，D（像素的值）就远超0.04的值了，为什么阈值这么低？
灰度图像素的取值[0，255]，所以我觉得

肯定会大于0.04，不知道我的理解哪里有问题，请大家指点。谢谢！

...全文

400 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

赵4老师 2016-10-09

打赏
举报

回复

Computer_Vision_Algorithms_and_Applications_SzeliskiBook_20100903_draft.pdf

为了提高基于SIFT（Scale Invariant Feature Transform）图像匹配算法对于图像对比度变化的鲁棒性和算法效率，提出了一种具有可变系数的自适应对比度阈值SIFT算法。根据特征点局部邻域的灰度信息初步确定对比度阈值，同时根据当前特征点的多少确定对比度阈值系数的大小；特征点越多，系数越大，增大对比度阈值从而达到避免特征点数量过大的目的。实验结果表明，改进后的SIFT算法能够根据特征点邻域内的灰度分布情况，自动计算对比度阈值，明显增强了SIFT算法对于低对比度图像匹配的鲁棒性；同时最终提取出的特征点数量避免了过大，稳定在预定的区间内，算法效率提高了1倍多。

本章介绍计算机视觉中视觉特征提取的知识。

基于SIFT的小模数齿轮图像亚像素级配准研究.pdf,为解决小模数齿轮视觉测量中凸显的工业相机高空间分辨率与大视场相互制约的问题，对轮廓光条件下前景背景对比度过强、局部对比度不足，存在大面积同色区域的小模数齿轮图像亚像素级配准方法进行研究。针对传统基于特征点的图像配准流程在小模数齿轮图像配准中存在特征点数量稀少、正确匹配率过低的问题，介绍了适用于小模数齿轮图像的配准流程；引入直方图均衡化改善图像对比度，丰富灰度色调，增晰图像暗部特征以提升特征点数量和正确匹配率；为了克服传统匹配对提纯算法中阈值设置不准确、参数调整困难及模型不唯一的缺点，结合两倍中误差准则提出全局自适应参数匹配点对提纯方法，保证提纯结果唯一性的同时，其自适应调整判别阈值的方法可避免人为误差进而保证结果的重复性。实验结果表明，利用介绍的方法对图像进行预处理可大幅度提升特征点数量与正确匹配率，取提纯所得平移量的平均值作为配准结果，其正确度和精密度均优于传统算法，针对轮廓光条件下的小模数齿轮图像，配准精度优于0.083 pixel，对于小模数齿轮视觉测量具有实际应用价值。

其他开发语言

3,423

社区成员

15,635

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章