SIFT介绍与matlab+VL_feat实现
目录
sift特征提取步骤
1. 建立高斯差分金字塔
2.关键点（keypoint）位置的确定
3. 去除不好的特征点（非极大值抑制）
一、下载VLFeat的binary包：
二、解压vlfeat-0.9.20-bin.tar文件，得到vlfeat-0.9.20-bin文件，接着再解压vlfeat-0.9.20-bin文件得到一个文件夹（vlfeat-0.9.20）和一个文件（pax_global_header）。
三、在matlab中安装配置
1、一次安装配置方式
4、检查是否安装成功
5 但这样安装并不能保证关闭matlab以后重新使用。所以在matlab的默认路径的情况下，在命令窗口输入：
6、 关闭后重新运行matlab
四、SIFT代码运行
sift特征提取步骤
1. 建立高斯差分金字塔
O组（octave 默认大小为 ）照片，每组L层（L=n+3，L一般为3~5） ；一共 O*L张照片。
每一组中每层采用不同的高斯模糊核，下一组由 上一组进行下采样得到。
图片说明了每一组每一层中的照片采用的模糊核是多少。
（第1组的第1层为，第2组第1层为2.... 数学技巧呀）
此例中s=3，也就是 每一组照片的层数=s+3 为6层。
2.关键点（keypoint）位置的确定
看高斯差分金字塔为了寻找尺度空间的极值点，每一个采样点要和它所有的相邻点比较，但现在由上面的图片可以看 出，有三个方向（x，y，尺度空间（一组内不同的高斯核，）），所以一个点应该与26个点进行比较。
3. 去除不好的特征点（非极大值抑制）
在实际中这个点有可能只是真正极值点附近的点，即找到的点为“亚极值点”，要进行处理一波，实际用的泰勒展开，进 行求导来做的，这里忽略了。
还有就是去掉边缘效应：https://blog.csdn.net/abcjennifer/article/details/7639681
（2）VLfeat介绍
VLFeat是一个跨平台的开源机器视觉库，它囊括了当前流行的机器视觉算法，如SIFT, MSER, HOG, 同时还包含了诸如K-MEANS, Hierarchical K-means的聚类算法。它由C语言编写，并提供了Matlab接口及详细的文档。当前最新的版本是VLFeat 0.9.21 。（2019.4.11）
一、下载VLFeat的binary包：
- VLFeat 0.9.20 binary package（点击下载）
- 下载得到vlfeat-0.9.20-bin.tar文件
二、解压vlfeat-0.9.20-bin.tar文件，得到vlfeat-0.9.20-bin文件，接着再解压vlfeat-0.9.20-bin文件得到一个文件夹（vlfeat-0.9.20）和一个文件（pax_global_header）。
三、在matlab中安装配置
1、一次安装配置方式
view plain copy
其中VLFEATROOT为VLFeat的安装目录，本文中为：
run("D:\Matlab\vlfeat-0.9.21\toolbox/vl_setup")
4、检查是否安装成功
vl_version verbose
则安装成功
5 但这样安装并不能保证关闭matlab以后重新使用。所以在matlab的默认路径的情况下，在命令窗口输入：
edit startup.m
保存并关闭。
6、 关闭后重新运行matlab
输入vl_version
测试是否安装成功，如果成功，则会出现版本号
四、SIFT代码运行
代码
img1ori = imread('Snowball.jpg');
img1 = single(rgb2gray(img1ori)); %single就是转换成单精度的，之前肯定对double更熟悉一点吧%因为后面的vl_sift的输入须要用到单精度灰度图像
%图片2要识别对于的物体
img2ori = imread('Snowball.jpg');
img2 = single(rgb2gray(img2ori));%% 提取SIFT特征，匹配特征点
[f1, d1] = vl_sift(img1,'Levels',5,'PeakThresh', 4);
[f2, d2] = vl_sift(img2,'Levels',5,'PeakThresh', 5);
%f1为生成的四元组[x,y,s,th],分别是特征点的x，y坐标，s为长度空间大小，th指的是主方向
%d1是特征描述子，也就是那个128维的向量
[matches, scores] = vl_ubcmatch(d1, d2);
[dump,scoreind]=sort(scores,'ascend');%% 绘制组合图片
newfig=zeros(size(img1,1), size(img1,2)+size(img2,2),3); %新构建一个3维数组，行为图片1的%行数，列为图片1和图片2的列数和
newfig(:,1:size(img1,2),:) = img1ori;
newfig(1:size(img2,1) ,(size(img1,2)+1):end,:)=img2ori;
newfig=uint8(newfig);
figure;
image(newfig); % 绘制组合图片
axis image
% colormap(gray)%% 绘制匹配特征点
figure;
image(newfig); % 绘制组合图片+匹配对于的特征点
axis image
f2Moved=f2; %因为此时图像在x方向发生了平移的，需要平移的大小为图1的列数
m=size(img1,2)
f2Moved(1,:) = f2Moved(1,:)+size(img1,2);
h1 = vl_plotframe(f1); %对之前的四元组在组合照片上进行绘画
h2 = vl_plotframe(f2Moved);
set(h1,'color','g','linewidth',2) ;
set(h2,'color','r','linewidth',2);
hold on
% 绘制scores前10%
plotRatio=0.1;
for i= 1:fix(plotRatio*size(matches,2)) %fix是取整函数，这里仅画出找到的匹配的前10%idx = scoreind(i);line([f1(1,matches(1,idx)) f2Moved(1,matches(2,idx))],...[f1(2,matches(1,idx)) f2Moved(2,matches(2,idx))], 'linewidth',1, 'color','b')
end
hold off
%倒数第四行的...是因为matlab一行装不下，属于行行连接符运行结果
scores是上面matches到的对应点的欧式距离，后面的scoreind是对欧式距离按由小到大进行排序，储存的是距离对于的序号
原文链接：https://blog.csdn.net/zyr_freedom/article/details/89205651
SIFT介绍与matlab+VL_feat实现相关推荐
- matlab newelm,Elman神经网络介绍以及Matlab实现
Elman神经网络介绍以及Matlab实现 发布时间:2018-06-28 19:27, 浏览次数:745 , 标签: Elman Matlab Elman神经网络介绍 1.特点 Elman神经网络是 ...
- 独热编码 (One-Hot Encoding) 介绍及MATLAB命令
独热编码 (One-Hot Encoding) 介绍及MATLAB实现 文章目录 独热编码 (One-Hot Encoding) 介绍及MATLAB实现 1 独热编码 (One-Hot Encodin ...
- 详细介绍用MATLAB实现基于A*算法的路径规划（附完整的代码，代码逐行进行解释）（一）--------A*算法简介和环境的创建
本系列文章主要介绍基于A*算法的路径规划的实现,并使用MATLAB进行仿真演示.本文作为本系列的第一篇文章主要介绍如何进行环境的创建,还有一定要记得读前言!!! 本系列文章链接: ------- ...
- 模拟退火算法介绍及matlab实现
模拟退火算法介绍及matlab实现 参数 待求解参数维度:D x i L x_{\text{i}}^L xiL, x i U x_{\text{i}}^U xiU:待求解参数的上下限 L:每一温度 ...
- matlab特征检测,sift特征检测的matlab程序实现
[实例简介] sift特征检测的matlab程序实现,多个matlab程序,详细注释,外带试验数据 [实例截图] [核心代码] SIFT_Matlab └── SIFT_YantaoNoemie ├─ ...
- matlab灰色预测弱化代码,灰色预测模型介绍及MATLAB代码实现
灰色预测模型介绍及MATLAB代码实现 灰色预测模型介绍及MATLAB代码实现 文章目录 1. 按 2. 灰色模型介绍 3. 精度检验等级参照表 4. matlab代码 5. 实验数据 5.1. 测试 ...
- matlab 思维进化算法,差分进化算法介绍及matlab实现
引言 差分进化算法是基于群体智能理论的优化算法,是通过群体内个体间的合作与竞争而产生的智能优化搜索算法,它保留了基于种群的全局搜索策略,采用实数编码.基于差分的简单变异操作和"一对一&quo ...
- SDM For Face Alignment 流程介绍及Matlab代码实现之训练篇
SDM 训练阶段的任务如下: 载入标准化的数据(包括400*400的正脸及特征点) 对每一张标准化的图片,模拟人脸检测仪,产生10个扰动的人脸框及相应的初始特征点x0x_0. 求解Δx\Delta x ...
- 尺度不变特征变换（SIFT算法）Matlab程序代码测试例子的说明(Lowe的代码）
目前网络上可以找到的关于SIFT算法Matlab测试代码的资源就是: 1 加拿大University of British Columbia 大学计算机科学系教授 David G. Lowe发表于20 ...
最新文章
- Windows Server 2012如何实现双网卡绑定
- TcpClient 有好多坑
- LeetCode——动态规划：斐波那契数列
- IOS-网络（文件上传）
- 【LeetCode笔记】347. 前K个高频元素（Java、优先队列、小顶堆、HashMap）
- Python：学习笔记之函数的递归
- AliSQL编译安装
- 整合阿里云视频播放器——Coding在线（十四）
- ERP项目学习（一）
- 计算机专业学历真的那么重要吗？又该怎么做
- windows驱动开发4：WDM、WDF等驱动基本概念
- 中投、汇金、四大国有资产管理公司、华融、长城、东方、信达
- 统治IT行业的定律-摩尔定律
- 阿里云账号注册及常用产品申请
- 树莓派GPIO针脚在python中BCM与BOARD模式
- android版本内存卡,都8GB内存了 为何安卓手机还是这么卡？
- zz from 古文中惊艳的句子
- 数据可视化、信息可视化与知识可视化
- historic historical
- Andriod networking