自己的sift算法

资 源 简 介

由于sift算法提取到的特征点数量太多，而且检测到的特征点中伪特征点较多，且分布不够均匀，不能够很好地反映图像特征。此外每个特征点都有128维的特征向量，而且算法中包含经过大量的高斯卷积过程，所以算法运算量十分巨大，配准的速度慢。故考虑采用Harris算子代替近点SIFT算法中特征点检测与定位环节，提高算法的运行速度和鲁棒性。考虑采用在不改变特征向量旋转不变性和尺度不变性的基础上，降低特征向量的维度，减少算法的复杂度，提高算法效率。

详 情 说 明

由于sift算法提取到的特征点数量太多，而且检测到的特征点中伪特征点较多，且分布不够均匀，不能够很好地反映图像特征。此外每个特征点都有128维的特征向量，而且算法中包含经过大量的高斯卷积过程，所以算法运算量十分巨大，配准的速度慢。故考虑采用Harris算子代替近点SIFT算法中特征点检测与定位环节，提高算法的运行速度和鲁棒性。考虑采用在不改变特征向量旋转不变性和尺度不变性的基础上，降低特征向量的维度，减少算法的复杂度，提高算法效率。

根据上述情况，我们可以看到，SIFT算法在特征点提取方面存在一些问题，如特征点数量过多、伪特征点较多、分布不均匀等。此外，每个特征点都有128维的特征向量，而且算法中还包含大量的高斯卷积过程，导致算法的运算量非常大，从而降低了配准的速度。为了解决这些问题，我们决定采用Harris算子来替代SIFT算法中的特征点检测和定位环节，以提高算法的运行速度和鲁棒性。此外，我们还考虑在保持特征向量的旋转不变性和尺度不变性的基础上，降低特征向量的维度，从而减少算法的复杂度，并提高算法的效率。