opencv中SiftDescriptorExtractor所做的SIFT特征向量提取工作简单分析

SiftDescriptorExtractor对应于SIFT算法中特征向量提取的工作,通过他对关键点周围邻域内的像素分块进行梯度运算,得到128维的特征向量。具体有如下几个操作:

0、首先,我们假设在之前关键点提取的步骤中,我们对一个三角形提取关键点,检测到其中一个关键点的坐标为三角形的一个角(如下面用红圈圈出的),如下图

image_thumb12

放大看,假设检测到该关键点的方向如下图:

image_thumb4

1、将关键点周围的像素旋转到一个统一的方向,以保证方向不变性。如下图

image_thumb11

2、将这些像素分成4X4的小块

image_thumb9

对每个格子进行分析,将格子中的像素计算梯度,映射到8个方向上,对于每一个格子,可以得到一个8维的向量,对于一个关键点周围16个格子,则得到了16X8=128维的向量,这就是一个关键点特征向量。

image_thumb10

使用举一个实际的例子分析:

用opencv对一个三角形进行特征点检测,得到如下结果:

image_thumb18

提取特征向量,得到如下结果:

image_thumb19

这幅图的每一行就是一个128维的特征向量,维度用0-255表示。黑一些就是小,白就是大。

粗略可以看出,这些特征点排布较为相似,因为都是角

再来一个:

image_thumb20

image_thumb23

posted @ 2014-10-23 12:11  77695  阅读(10254)  评论(5编辑  收藏  举报