불변 기술 기반 특징 검출 방법을 기반으로 이미지 스케일링, 회전, 아핀 변환, 조명 변화에 대해 안정성을 유지하는 스케일 공간 기반 이미지 로컬 특징 설명 알고리즘인 SIFT 연산자를 제안합니다. SIFT 특징점 벡터 생성은 다음 4단계로 구성됩니다: 1. 스케일 공간에서 극단점을 탐지합니다. 2. 특징점을 얻기 위해 저대비 극점점과 불안정한 에지 극단점을 제거합니다. 3. 특징점 방향 매개변수를 계산합니다. .SIFT 특징점 벡터를 생성하며, 벡터 차원은 일반적으로 128차원입니다. SIFT 알고리즘을 사용하여 추출된 SIFT 특징점 벡터는 다음과 같은 장점이 있습니다. 1. SIFT 특징은 이미지의 국소 특징으로 회전, 스케일 스케일링, 밝기 변화에 불변하며, 시야각 변화에도 어느 정도 불변성을 유지합니다. , 아핀 변환 및 노이즈 안정성 2. 대규모 기능 데이터베이스에서 빠르고 정확한 매칭에 적합한 우수한 고유성과 풍부한 정보 3. 다목적이며 소수의 개체라도 많은 수의 SIFT 기능 벡터를 생성할 수 있습니다. 기존 SIFT 알고리즘에는 특정 결함이 있으며 이미지에 대한 감지 효율성과 감지 정확도가 좋지 않습니다.

기술적 구현 아이디어

이에 비추어 본 특허 기술 실시예의 목적은 상기 기술적 과제를 해결하기 위해 개선된 SIFT 기반의 이미지 특징 검출 방법 및 장치를 제공하는 것이다. 문제. 첫 번째 측면에서, 본 특허 기술 실시예는 향상된 S...

기술적 보호 포인트

1을 기반으로 한 이미지 특징 검출 방법을 제공합니다. 검출할 이미지와 해당 표준 이미지를 획득하는 단계, 스케일 불변 특징 변환 SIFT 알고리즘을 사용하여 검출할 이미지와 표준 이미지에 대해 이미지 매칭을 수행하여 여러 쌍의 매칭 포인트를 획득하는 단계; 상기 매칭점의 비율을 계산하는 단계와, 상기 인접 직경비 및 방향 각도 차이에 따라 상기 둘 사이의 매칭점을 제거하고, 정확한 매칭점을 구하는 단계; 감지할 이미지의 특징.