SIFT算法與RANSAC算法分析

1、概率論問(wèn)題征解報(bào)告：（算法分析類）SIFT算法與RANSAC算法分析班級(jí)：自23姓名：*學(xué)號(hào)：*作業(yè)號(hào)：146SIFT算法是用于圖像匹配的一個(gè)經(jīng)典算法，RANSAC算法是用于消除噪聲的算法，這兩者經(jīng)常被放在一起使用，從而達(dá)到較好的圖像匹配效果。以下對(duì)這兩個(gè)算法進(jìn)行分析，由于sift算法較為復(fù)雜，只重點(diǎn)介紹其中用到的概率統(tǒng)計(jì)概念與方法高斯卷積及梯度直方圖，其余部分只做簡(jiǎn)單介紹。一SIFT出處：DavidG.Lowe,TheProceedingsoftheSeventhIEEEInternationalConferenceon（Volume:2,Pages1150一1157）,1999算法目的：提

2、出圖像特征，并且能夠保持旋轉(zhuǎn)、縮放、亮度變化保持不變性，從而實(shí)現(xiàn)圖像的匹配3.算法流程圖：4.算法思想簡(jiǎn)介：（1）特征點(diǎn)檢測(cè)相關(guān)概念：特征點(diǎn)：Sift中的特征點(diǎn)指十分突出、不會(huì)因亮度而改變的點(diǎn)，比如角點(diǎn)、邊緣點(diǎn)、亮區(qū)域中的暗點(diǎn)等。特征點(diǎn)有三個(gè)特征：尺度、空間和大小尺度空間：我們要精確表示的物體都是通過(guò)一定的尺度來(lái)反映的?，F(xiàn)實(shí)世界的物體也總是通過(guò)不同尺度的觀察而得到不同的變化。尺度空間理論最早在1962年提出，其主要思想是通過(guò)對(duì)原始圖像進(jìn)行尺度變換，獲得圖像多尺度下的尺度空間表示序列，對(duì)這些序列進(jìn)行尺度空間主輪廓的提取，并以該主輪廓作為一種特征向量，實(shí)現(xiàn)邊緣、角點(diǎn)檢測(cè)和不同分辨率上的特征提取等。

3、尺度空間中各尺度圖像的模糊程度逐漸變大，能夠模擬人在距離目標(biāo)由近到遠(yuǎn)時(shí)目標(biāo)在視網(wǎng)膜上的形成過(guò)程。尺度越大圖像越模糊。高斯模糊：高斯核是唯一可以產(chǎn)生多尺度空間的核，一個(gè)圖像的尺度空間，L（x,y,。），定義為原始圖像I（x,y）與一個(gè)可變尺度的2維高斯函數(shù)G（x,y,。）卷積運(yùn)算(x-x)2+(y-y)2ii5?Xpictuire0.jpg.Finding279FeaturesinC：MJsersfidnLnistratorX)esktopV率論、徴二菇吉Wicturel.irq.Found61totalmatchesjMatches2.圖像完全翻轉(zhuǎn)3.圖像大小不同CiV/ind口Finding

4、167featuresinC：UsepssfiAninistratorDesletop4-lLireW.jpg.Finding188featuresinC-XUsepsflliTiinistratorM)esktopX、槪率論、讀書扌艮告、pi吐“說(shuō)-jpgFaund2total3.圖像大小不同3.圖像大小不同P1Matches血C:vjind0wisksystem32cnrd-exe4.不同光線下的圖像Finding167featuresinC：VJsBi*sRdministiatoiDesktopXTure0-jpgr-.(Finding139featuresInC；MJsei*sN=ldninIstratorDesktop|its扌艮告、卩北右ure3.Jpgr.-Fouind56totcilinciticlie11MatchesL=I回叵IIffr鬪C:vzinrdowssystem32cmdBexeFifridingr167fcaturtss：inCsSUsitisfldiniristratoiSEesktiDpSnuie0jprmhinding127featuresnnC：Mls