SIFT特征向量提取以及融合问题

[goodmorning2014]

在运行SIFT特征向量匹配中，（结果正确）用的是VS2013+opencv2.4.9+windows8.1

代码：
SiftFeatureDetector feature;
vector<KeyPoint> keypoints1;
feature.detect(input1, keypoints1);
Mat output1;
drawKeypoints(input1, keypoints1, output1);

//存储特征1
SiftDescriptorExtractor extractor;//特征提取器
Mat descriptor; //这个描述符才是做实验要用的特征
extractor.compute(input1, keypoints1, descriptor);
descriptor1用于存放特征向量，然而在单步调试中，


却找不到descriptor1中的128维的特征向量，请问128维特征向量在哪呢？或者我哪里理解错了(刚刚学这个)？
还有如何将两个找到的特征向量进行融合，比如SIFT向量descriptor1和LBP特征向量descriptor2如何融合为一个特征向量descriptor3用于匹配？

[-牧野-]

说一下我的理解，不对的地方请拍砖。
1. SIFT中128维特征向量在哪？
在compute方法中的descriptor里，OpenCV把图像上的N个SIFT特征保存在Mat矩阵里，这个Mat图像的高和宽分别是N和128；在你贴出来的图里，descriptor1的rows（行/高）和cols（列/宽）分别是555和128，代表input1图像有555个SIFT特征点，当然每个都是128维的：


descriptor1的数据类型是float32，不能直观显示出来，可以经过归一化后输出，大概的样子是这样的：


详细的内容可以看看这篇文章，说的是Surf特征，SIFT特征类推：
http://blog.csdn.net/dcrmg/article/details/52614031

2. 如何将SIFT向量descriptor1和LBP特征向量descriptor2融合：
一个图像有多少个像素点就可以有多少个LBP特征，SIFT特征却没有这么多，所以如果要融合的话，第一步先要对应到同一个位置的SIFT和LBP特征，在detect方法中生成的KeyPoints结构中的pt中保存了SIFT特征的位置信息。对应到同一个位置点之后两个特征的融合可以尝试直接相加，矩阵相乘等等。
还有一个问题是不经改进的LBP特征维度不是128的，任性一点的话也可以不用管这个。可操作性楼主自己验证吧，祝你顺利！

[ljheee]

[Datrilla]

你好，我看到你这里有特征向量的提取。我在看关于高斯的各种资料中有看到SIFT，但是不懂这些。 我目前就一帧的一个频谱图要经过高斯morphing。我知道的是二维平面上有坐标点（X,Y），这些用matlab的plot画出来 是一条幅度不一样的波浪。x是等间隔的从1取到1025，而对应的y是变化的。这里有gaussmix http://blog.csdn.net/u014646950/article/details/62041035 我不知道我这个特征到底算是(x,y)列向放进去呢，还是只有（y）列向放进去。还是这些数据还要经过分析才能放进去

[meadow]

楼主试试以Sift特征点为基准，仅仅提取关键点附近的LBP特征。 那么关键点具备了两个特征，具体效果如何，等待楼主验证

[celcn]

学习了 ？！

[qq_38036005]

Sift特征点