sift

千里之外z 2016-12-06 05:13:02
SIFT 算法中,有几点疑惑:
一、在尺度空间里为什么需要降采样?
二、为什么选取的关键点具有尺度不变性?
希望大家能给个比较详细的解释!谢谢!!!
...全文
760 5 打赏 收藏 转发到动态 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
三眼二郎 2017-12-28
  • 打赏
  • 举报
回复
对的,每个特征点同时包含自己的尺度信息,也就是自己在哪种尺度下选取的。匹配的时候还需要涉及到尺度的关系,因此具有尺度不变性,比较的时候是在相同尺度下进行对比的。
千里之外z 2017-11-28
  • 打赏
  • 举报
回复
重新修正:降采样是为了获得不同尺寸的图像,模拟人眼越远图像越小越模糊,小采用了降采样远采用了高斯模糊 感觉这个是sift的思想精髓 然后第二个问题就是保证sift是尺度不变的 我这里是这样理解的 找到每个尺度下的特征点 然后进行交叉匹配 能匹配上的我们就可以选取 这个就是尺度不变特征点。
千里之外z 2016-12-20
  • 打赏
  • 举报
回复
这么久没人来解答,写一下自己想法。 首先,降采样的目的是为了减少计算量,因为当sigma很大时,这个高斯模板很大,此时要计算每个像素运算量就会很大,当然得到的极值点会很多(但我们并不需要这么多),为此我们可以降采样,用更少的像素点去替代原图,减少计算量。 第二,尺度不变性,我是这样理解的,生成每个尺度下的极值点。图1中的某个sigma1中的关键点能与图2中的sigma2中的关键点可以匹配。
qq_34799398 2016-12-08
  • 打赏
  • 举报
回复
降采样是让尺度空间连续,在不同的尺度下检测出来的特征点,自然具有尺度不变性
sunny7862632 2016-12-08
  • 打赏
  • 举报
回复
你的第一个问题回答了你第二个问题。。。。。

4,445

社区成员

发帖
与我相关
我的任务
社区描述
图形图像/机器视觉
社区管理员
  • 机器视觉
  • 迪菲赫尔曼
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧