图像sift算法学习及特征提取

课程设计报告

线…………………………………………………………………………………………装………………………………订………………………………西 安 电 子 科 技 大 学

电 子 工 程 学 院

课 程 设 计（报告）任 务 书

学生姓名 指导教师 职称 学生学号 专业

题目 Sift算法学习

任务与要求 1． 2．

学习sift算法，搞清算法每一步的任务； 编程实现sift算法，对图像提取sift特征。

开始日期 年 月 日 完成日期 年 月 日 课程设计所在单位 年 月 日

本表格由电子工程学院网络信息中心 编辑录入 http://see.xidian.edu.cn.

摘要

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侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由David Lowe在1999年所发表，2004年完善总结。

本文从初学者的角度，简单学习SIFT算法，并初步实现了对图像提取SIFT特征，为之后进一步的学习和研究奠定了基础。

一、算法的基本理论及方法

1.1 Sift算法的基本思想

Sift算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置尺度，旋转不变量。

1.2 Sift算子的主要特征

(1) Sift特征是图像的局部特征，其对旋转、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。

(2) 独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。 (3) 多量性，即使少数的几个物体也可以产生大量的sift特征向量。 (4) 高速性，经优化的sift匹配算法甚至可以达到实时的要求。 (5) 可扩展性，可以很方便地与其他形式的特征向量进行联合。 1.3 Sift算法的主要步骤 1.3.1 尺度空间极值检测

搜索所有尺度上的图像位置。通过高斯微分函数来识别对于尺度和旋转不变的兴趣点。 1. 尺度空间的建立

二维图像，在不同尺度下的尺度空间表示可由图像与高斯核卷积得到：

L(x,y,???G(x,y,?)*I(x,y) ······························· （1）

式中，(x,y)代表图像的像素位置，L代表图像的尺度空间，?为尺度空间因子，其值越小则表征被平滑的越少，相应的尺度也就越小，同时大尺度对应于图像的概貌特征，小尺度对应于图像的细节特征。

G(x,y,?)是尺度可变的高斯函数，定义如下

G(x,y,?)?12??1

2?(x2?y2)e2?2 ··································· （2）

其中，(x,y)是空间坐标，?代表高斯正态分布的方差，亦即尺度坐标。 2. 高斯金字塔的建立

高斯金子塔的构建过程可分为两步： （1）对图像做高斯平滑； （2）对图像做降采样。

Octave 5Octave 4Octave 3……8?…4?2?…Octave 2?…Octave 1

图1 高斯金字塔

图像的金字塔模型是指，将原始图像不断降采样，得到一系列大小不一的图像，由大到小，从下到上构成的他装模型。原图像为金字塔的第一层，每次降阶采样所得到的新图像我金字塔的一层（每层一样图像），每个金字塔共n层，金字塔的层数根据图像的原始大小和塔顶图像的大小共同决定，其计算公式如下：

n?log2?min(M,N)??t,t?[0,log2{min(M,N)}] ················ （3）

其中M,N为原始图像的大小，t为塔顶图像的最小位数的对数值。

为了让尺度体现其连续性，高斯金字塔在简单降采样的基础上加上了高斯滤波。如图1所示，将图像金字塔每层的一张图像使用不同参数?做高斯模糊，似的金字塔的每层含有多张高斯模糊图像，将每层多张图像合称为一组（Octave），金字塔每层只有一组图像，组数和金字塔层数相等，使用公式（3）计算，每组含有多张（也即层Interval）图像。另外降采样时，高斯金字塔上一组图像的初始图像（底层图像）是由前一组图像的倒数第三张图隔点采样得到的。

2