总结sift(更新版)

《总结sift(更新版)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、平台：OpenCV依赖：GSLOpenCV1影像处理图像滤波几何图像变换及其他图像变换直方图结构分析和形状描述运动分析与对象跟踪特征检测目标检测2高级别的图形用户界面和媒体文件读写用户界面图像和视频的读写Qt上的使用3视频分析运动分析与对象跟踪4摄像机标定及三维重建摄像机标定及三维重建52D功能框架特征检测和描述：特征检测器、描述符提取器、描述符匹配、通用描述符匹配器关键点匹配的绘制对象分类6目标检测级联分类LatentSVM（支持向量机算法(SupportVectorMachine,SVM)）7机器学习统计模型普通贝叶斯分类器K-近邻支持向量机决策树

2、Boosting梯度Boosted树随机树极随机树期望最大化神经网络MLData8多维空间中的聚类和搜索快速近似最近邻搜索FLANN聚类9GPU加速计算机视觉影像处理矩阵减少目标检测特征检测和描述图像滤波摄像机标定及三维重建视频分析10计算摄影学图像修补去噪11图片拼接拼接管道相机特征查找和图像匹配旋转估计自动校准图像扭曲缝估计曝光补偿图片调和其他12其他立体匹配人脸识别运动分析期望最大化直方图平面细分（CAPI）OpenCL的加速计算机视觉AndroidAPIGNUScientificLibraryMathematicalFunctionsCompl

3、exNumbersPolynomialsSpecialFunctionsVectorsandMatricesPermutationsCombinationsMultisetsSortingBLASSupportLinearAlgebraEigensystemsFastFourierTransformsNumericalIntegrationRandomNumberGenerationQuasi-RandomSequencesRandomNumberDistributionsStatisticsHistogramsN-tuplesMonteCarloIn

4、tegrationSimulatedAnnealingOrdinaryDifferentialEquationsInterpolationNumericalDifferentiationChebyshevApproximationsSeriesAccelerationWaveletTransformsDiscreteHankelTransformsOnedimensionalRoot-FindingOnedimensionalMinimizationMultidimensionalRoot-FindingMultidimensionalMinimiza

5、tionLeast-SquaresFittingNonlinearLeast-SquaresFittingBasisSplinesPhysicalConstantsIEEEfloating-pointarithmetic数学函数复数多项式特殊功能向量和矩阵排列合并多集排序基本线性代数子程序（BLAS）支持线性代数Eigensystems快速傅立叶变换数值积分随机数生成器准随机序列随机分布统计直方图N-元组蒙特卡罗积分模拟退火算法常微分方程插值数值微分切比雪夫逼近系列加速度小波变换离散汉克尔变换一维求根一维最小化多维求根多维最小化最小二乘法拟合非线性最小

6、二乘法拟合基础样条曲线物理常数IEEE浮点运算sift.h文件参考检测SIFT图像功能。#include“cxcore.h”算法步骤：1.建立尺度空间为了让尺度体现其连续性，在简单降采样的基础上加上了高斯滤波。一幅图像可以产生几组（octave）图像，一组图像包括几层（interval）图像。2.寻找极值点3.去除不稳定的极值点（低对比度）利用公式确定精确定位后的极值点的像素值，进行对比度的检测。若像素值满足大于contr_thr/intvls（程序中为0.04/3），则该点才能最终确定为极值点。4.去除边界影响点使用Hessian矩阵去除边界影响点：

7、如果该点满足则保留，否则被排除α为最大特征值，β为最小的特征值,在程序中r=10.5.特征点方向计算公式：scl_octv=σ*2.0intvl/intvls，式中：scl_octv为关键点的尺度，intvl为关键点在高斯差分金字塔中所处于的层数以关键点为中心，划定一个邻域，利用所有在此区域内的点的梯度形成一个方向直方图。偏移为rad的正方形区域，rad=四舍五入（3*1.5*scl_octv）梯度加权系数w的确定：w=exp(-(i*i+j*j)/exp_denom)，每个像素点的梯度值都必须乘以该点所对应的高斯权，这样才能得到最终的梯度值。根据Lo

8、we的建议，模板采用[0.25,0.5,0.25]，并连续加权两次。生成含有36柱的方向直方图