SIFT--特征描述符

本节将介绍SIFT的最后一步—–特征描述符。

特征描述的目的是在关键点计算后，用一组向量将这个关键点描述出来，这个描述子不但包括关键点，也包括关键点周围对其有贡献的像素点。用来作为目标匹配的依据，也可使关键点具有更多的不变特性，如光照变化、3D视点变化等。

特征描述的思路：对关键点周围图像区域分块，计算块内梯度直方图，生成具有独特性的向量，这个向量是该区域图像信息的一种抽象，具有唯一性。

实现特征描述符具体步骤见如下：

1、确定所需计算的图像区域半径

 radius=3σo×2√×(d+1)+12 

其中 σ 是关键点所在组的尺度，其中 d=4 。（注计算图像区域半径网上有俩个公式？？？）

2、旋转坐标轴到关键点主方向

旋转过后的新坐标如下：

3、将邻域内像素划分为 16×16 个子域，进一步将其划分为 4×4 块（每个块又是由 4×4 小域组成），具体见下，分别计算每个块内8个方向的梯度方向直方图。所以最终得到 4×4×8=128 的描述子向量。
注意：这里将 0o−360o 分为8个方向，而不是方向分配中的36个方向。每个方向范围为 45o 。

4、归一化处理

 W=(w1,w2,...,w128) 

 L=(l1,l2,...l128) 

 lj=wj/∑i=1128wj−−−−−⎷j=1,2,...128 

关键点描述子向量的规范化正是可去除满足此模型的光照影响。对于图像灰度值整体漂移 ，图像各点的梯度是邻域像素相减得到，所以也能去除。

---

---