社区
图形处理/算法
帖子详情
SIFT参数求助
ahchliuxing
2011-01-19 08:37:49
请教下各位,SIFT中sigma0的1.6和那个sigma(o,s)=sqrt(sigma(o,s)2-sigma2),以及k=2^1/S是怎么理解的
...全文
266
6
打赏
收藏
SIFT参数求助
请教下各位,SIFT中sigma0的1.6和那个sigma(o,s)=sqrt(sigma(o,s)2-sigma2),以及k=2^1/S是怎么理解的
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
6 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
bruig
2011-03-25
打赏
举报
回复
我也不懂啊,原文中说We choose to divide each octave of scale(i.e.,doubling of σ) space into an inter number,s,of intervals,so k=2^1/s。也就是说如果要在一个octave中产生s 层的话,则k=2^1/s。而实际上每层对应的坐标应该是σ,kσ,k2σ,k3σ……,第s层为k^(s-1) σ,第s层的σ应该doubling,即k^(s-1)=2,则k=2^1 /(s-1),这是为什么呢?
wendy425
2011-01-20
打赏
举报
回复
你的那个公式,我也不知怎么得来的。我看大部分人都使用我写的那个。不同的尺度,其实不是图像的尺寸大小发生变化,而是进行了平滑,感觉分辨率发生了变化。
[Quote=引用 3 楼 ahchliuxing 的回复:]
第二个,sigma(o,s) = sqrt(sigma(o,s)^2 - sigma(n)^2)是程序中的,是一个修正值,因为输入图像做了高斯平滑处理,其中sigma(n)=0.5。不太懂尺度空间理论,不知道这个修正公式是怎么得到的。
[/Quote]
fengbingchun
2011-01-20
打赏
举报
回复
http://blog.csdn.net/fengbingchun/archive/2010/09/07/5869028.aspx
ahchliuxing
2011-01-20
打赏
举报
回复
第二个,sigma(o,s) = sqrt(sigma(o,s)^2 - sigma(n)^2)是程序中的,是一个修正值,因为输入图像做了高斯平滑处理,其中sigma(n)=0.5。不太懂尺度空间理论,不知道这个修正公式是怎么得到的。
wendy425
2011-01-19
打赏
举报
回复
以前看过sift,印象不是很深了:
1.关于1.6,很多人直接引用Lowe的文章中1.6,并没有人解释为什么;
2.是不是写成:sigma(o,s)=sigma0*2^(o+s/S)更容易理解,o表示第o组,s表示第o组的第s层,S表示每 一组中最多有S层,sigma0表示最初的尺度参数;本质上就是每一组,每一层都有自己一个特殊的sigma。至于为什么是这个公式,得看最原始的lowe的文章,我只看过中文的关于Sift的文章;
3.k=2^1/S, 如果理解了第二点,相邻的两个sigma相处就会得出这个k。
计算机视觉-
SIFT
特征提取及匹配
文章目录1、
SIFT
描述子介绍1.1
SIFT
描述子定义1.2
SIFT
特征1.3
SIFT
检测过程2、数据集准备3、图片的
SIFT
特征提取并展示特征点 1、
SIFT
描述子介绍 1.1
SIFT
描述子定义
SIFT
的全称是Scale Invariant Feature Transform,尺度不变特征变换,由加拿大教授David G.Lowe提出的。
SIFT
特征对旋转、尺度缩放、亮度变化等保持不变...
【图像拼接】基于
SIFT
算法实现图像拼接附Matlab代码
图像拼接,也称全景拼接,是指将多幅图像拼接成一幅更大、更完整的图像。这在摄影、遥感、医学影像等领域都有着广泛的应用。
SIFT
(Scale-Invariant Feature Transform,尺度不变特征变换)算法是一种经典的图像特征提取算法,其具有尺度不变性和旋转不变性,非常适用于图像拼接。本文将深入探讨基于
SIFT
算法实现图像拼接的技术原理和步骤,并分析其优缺点。基于
SIFT
算法实现图像拼接,是一种有效且常用的方法。
计算机视觉——
SIFT
特征提取与检索
文章目录一、
sift
简介二、
sift
算法原理1.特点2.可解决的问题3.算法分解4.缺点三、实验1.
SIFT
特征提取,并展示特征点3.1.1代码实现3.1.2结果展示2.
SIFT
特征匹配3.2.1代码实现3.2.2结果展示3.地理标记图像匹配3.3.1代码实现 一、
sift
简介 尺度不变特征转换(Scale-invariant feature transform或
SIFT
)是一种电脑视觉的算法用来...
尺度不变特征变换(Scale-invariant feature transform,
SIFT
)
尺度不变特征变换
SIFT
步骤: 构建尺度空间,检测极值点,获得尺度不变性。 特征点过滤并进行精确定位。 为特征点分配方向值。 生成特征描述子。
SIFT
特点:图像的局部特征,对旋转、尺度缩放、亮度变化保持不变,对视角变化、仿射变换、噪声也保持一定程度的稳定性。 独特性好,信息量丰富,适用于海量特征库进行快速、准确的匹配; 多量性,即使是很少几个物体也可以产生大量的
SIFT
特征; 高速性,优化后的
SIFT
匹配算法甚至可以达到实时性; 扩展性,可以很方便的与其他的特征向量进行级联组合。 CNN:能够有效
【图像拼接】基于
SIFT
以及HARRIS和NCC算法图像特征匹配和图像拼接附Matlab代码
图像拼接是指将多张图像拼接成一张全景图像的技术,在摄影、地图测绘、医学影像等领域有着广泛应用。本文将介绍基于
SIFT
(Scale-Invariant Feature Transform) 以及 HARRIS 和 NCC (Normalized Cross-Correlation) 算法的图像特征匹配和图像拼接方法,并提供相应的 Matlab 代码实现。1. 引言图像拼接的核心是找到图像之间的对应关系,并将它们融合成一张无缝图像。传统的拼接方法主要依赖于图像之间的几何关系,如透视变换、仿射变换等。
图形处理/算法
19,469
社区成员
50,678
社区内容
发帖
与我相关
我的任务
图形处理/算法
VC/MFC 图形处理/算法
复制链接
扫一扫
分享
社区描述
VC/MFC 图形处理/算法
社区管理员
加入社区
获取链接或二维码
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