SIFT关键点定位

Question

SIFT关键点定位

image-processingsifthessian-matrix

6

我目前在 SIFT 工作，我已经生成了高斯差分和极值图像层。有人能向我解释如何使用海森矩阵来消除低对比度的关键点吗？

- tsann

1

你可能需要更好地解释一下自己。不是很多人专门从事计算机视觉。此外，正确标记您的问题可以帮助其他人更好地找到您的问题。 - monksy

我目前正在进行图像特征提取，以形成我的模式匹配描述符。 - tsann

Hessian矩阵用于消除沿边缘/线条的特征，而不是“低对比度关键点”。请参阅维基百科SIFT条目的相关部分。这是一个相当简单的操作。 - fireant

我发现这篇文章非常清楚地解释并实现了SIFT http://www.aishack.in/2010/05/sift-scale-invariant-feature-transform/，也许这篇文章会对你有所帮助：http://www.aishack.in/2010/05/sift-scale-invariant-feature-transform/5/。 - vancexu

以上链接无效。现在有：http://aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/ 和 http://aishack.in/tutorials/sift-scale-invariant-feature-transform-eliminate-low-contrast/。 - Utkarsh Sinha

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- sansuiso · Accepted Answer

一个好的关键点是一个角落。这来自于哈里斯角落工作和Good features to track（KLT）论文，然后由Mikolajczyk and Schmid paper强调。

直观地说，角落是一个好的特征，因为它是两条线的交点，而单个线段可以沿着其方向移动，从而导致定位不够准确。线段是一条边缘，即一阶导数（梯度）。角落是一条边缘，其方向突然改变。这通过二阶导数来衡量，因此使用包含方向二阶导数值的黑塞矩阵。