Ⅰ SIFT演算法中的圖像尺度
這個尺度應該可以理解為一個比例因子delta，用來控制X、Y方向上圖像的縮放比例，它與X、Y參數的一個連續函數表達L(x,y,delta)就構成了一個空間，稱為尺度空間，該空間是由原始圖像的I(x,y)表達與高斯函數G(x,y,delta)進行卷積後形成的對已經申請了專利的技術進行修改後進行商業應用算不算侵權這個界定很模糊的，就像當年DVD晶元的專利侵權賠償案一樣，我覺得如果你是小打小鬧小范圍內使用的話，不對專利所屬單位或個人造成利益威脅，人家是不會費勁來查你的，但是如果你的商業應用影響大到了一定程度，人家有可能就來找碴了，私以為，國內大部分軟體都達不到這個程度。另外，如果你修改的部分比較多，超過了30%的話（這個好像要得到專利局的認可才算數），你可以換個名稱申請一個專利試試
Ⅱ 在sift演算法中為什麼要進行Gaussian差分原理是什麼謝謝。。
進行高斯差分的結果是DOG（Difference of Gaussian），這個DOG是LOG（laplacian of Gaussian）的近似。
LOG圖像是目前來說尺度變換最好的，特精確。
但是由於計算LOG圖像很費勁，作者Lowe呢就對LOG圖像進行了近似，他發現如果是用DOG的話呢，只和原來的LOG差了一個常數，這樣的話最大值最小值的位置是不變的。
而我們的目的呢，就是要找到這個最大最小值然後找到這個興趣點的位置。
關鍵是DOG計算起來很方便，只要兩張圖片相減就好了。
所以就用到高斯圖的差啦！
好好看論文是關鍵！論文說的很詳細的，靜下心來兩天看完了~
Ⅲ sift演算法是怎麼么實現尺度不變的
關鍵字：高斯尺度金字塔
打個比方，人近視眼就是一個高斯blur，blur的越大說明尺度越大。
SIFT通過不同sigma的高斯blur參數，模擬出了不同尺度的特徵。
然後用DOG圖像求的關鍵點。
看論文吧，一兩句說不清楚。
Ⅳ opencv雙目測距除了用sift演算法外，還能用其它方法嗎
SIFT演算法是用來提取圖像中DoG局部極值點的。SIFT只是一種特徵點演算法而已。
Ⅳ 有沒有封裝了sift這類比較圖像相似度演算法的，圖像處理庫
圖像處理、圖像理解和資料庫等多個領域的技術成果圖像檢索,所以目前研究得較多也比較成熟的檢索演算法
Ⅵ 你好，我最近在看sift演算法，好多不懂的，你做的怎麼樣了，求助啊！！！
卡殼了，思路稍微有點懂了，然後想去看程序代碼，結果崩潰了，暫時擱淺了，等開學和同學一起再研究了，
Ⅶ 你好！我現在在研究sift運算元，但是該運算元演算法太復雜了，太難編了，所有想你求助！
火氣太大，多喝水會有所緩解，但也不排除會有其他的病因，去醫院檢查吧，在這上面問沒什麼頭緒，建議上醫院檢查 你好、這就是便秘的典型症狀，我推薦
Ⅷ 剛學sift演算法，有些概念不明白，sift的第一步是找尺度空間的極值點，什麼是尺度空間的極值點
先建立DoG尺度空間，然後確定S的值，最後比較DoG尺度空間中每個像素點和它鄰近的26個點，確保尺度空間和二維圖像空間都檢測得到極值點，這些像素點的集合就是候選的關鍵點了。
Ⅸ sift演算法有什麼最新的進展
隨著多媒體技術、計算機技術迅速發展，Internet上呈現大量的圖像信息。圖像中包含了很多的物體特性，其中顏色是非常重要的特徵之一，顏色包含了圖像中更多有價值的識別信息。SIFT演算法提取圖像局部特徵，成功應用於物體識別、圖像檢索等領域。該演算法由DAVID G.L.於1999年提出[1]，並於2004年進行了發展和完善[2]，MIKOLAJCZYK[3]對多種描述子進行實驗分析，結果證實了SIFT描述子具有最強的魯棒性。然而這些描述子僅利用圖像的灰度信息，忽略了圖像的彩色信息。為了提高光照不變性，獲得更高的識別率，研究者提出了基於顏色不變特性的SIFT彩色描述子。目前彩色描述子主要分為基於顏色直方圖、基於顏色矩、基於SIFT三類。本文對彩色SIFT描述子進行了深入的研究，闡述了彩色SIFT描述子，給出了每種彩色描述子的性能評價。