Ⅰ SIFT算法中的图像尺度
这个尺度应该可以理解为一个比例因子delta，用来控制X、Y方向上图像的缩放比例，它与X、Y参数的一个连续函数表达L(x,y,delta)就构成了一个空间，称为尺度空间，该空间是由原始图像的I(x,y)表达与高斯函数G(x,y,delta)进行卷积后形成的对已经申请了专利的技术进行修改后进行商业应用算不算侵权这个界定很模糊的，就像当年DVD芯片的专利侵权赔偿案一样，我觉得如果你是小打小闹小范围内使用的话，不对专利所属单位或个人造成利益威胁，人家是不会费劲来查你的，但是如果你的商业应用影响大到了一定程度，人家有可能就来找碴了，私以为，国内大部分软件都达不到这个程度。另外，如果你修改的部分比较多，超过了30%的话（这个好像要得到专利局的认可才算数），你可以换个名称申请一个专利试试
Ⅱ 在sift算法中为什么要进行Gaussian差分原理是什么谢谢。。
进行高斯差分的结果是DOG（Difference of Gaussian），这个DOG是LOG（laplacian of Gaussian）的近似。
LOG图像是目前来说尺度变换最好的，特精确。
但是由于计算LOG图像很费劲，作者Lowe呢就对LOG图像进行了近似，他发现如果是用DOG的话呢，只和原来的LOG差了一个常数，这样的话最大值最小值的位置是不变的。
而我们的目的呢，就是要找到这个最大最小值然后找到这个兴趣点的位置。
关键是DOG计算起来很方便，只要两张图片相减就好了。
所以就用到高斯图的差啦！
好好看论文是关键！论文说的很详细的，静下心来两天看完了~
Ⅲ sift算法是怎么么实现尺度不变的
关键字：高斯尺度金字塔
打个比方，人近视眼就是一个高斯blur，blur的越大说明尺度越大。
SIFT通过不同sigma的高斯blur参数，模拟出了不同尺度的特征。
然后用DOG图像求的关键点。
看论文吧，一两句说不清楚。
Ⅳ opencv双目测距除了用sift算法外，还能用其它方法吗
SIFT算法是用来提取图像中DoG局部极值点的。SIFT只是一种特征点算法而已。
Ⅳ 有没有封装了sift这类比较图像相似度算法的，图像处理库
图像处理、图像理解和数据库等多个领域的技术成果图像检索,所以目前研究得较多也比较成熟的检索算法
Ⅵ 你好，我最近在看sift算法，好多不懂的，你做的怎么样了，求助啊！！！
卡壳了，思路稍微有点懂了，然后想去看程序代码，结果崩溃了，暂时搁浅了，等开学和同学一起再研究了，
Ⅶ 你好！我现在在研究sift算子，但是该算子算法太复杂了，太难编了，所有想你求助！
火气太大，多喝水会有所缓解，但也不排除会有其他的病因，去医院检查吧，在这上面问没什么头绪，建议上医院检查 你好、这就是便秘的典型症状，我推荐
Ⅷ 刚学sift算法，有些概念不明白，sift的第一步是找尺度空间的极值点，什么是尺度空间的极值点
先建立DoG尺度空间，然后确定S的值，最后比较DoG尺度空间中每个像素点和它邻近的26个点，确保尺度空间和二维图像空间都检测得到极值点，这些像素点的集合就是候选的关键点了。
Ⅸ sift算法有什么最新的进展
随着多媒体技术、计算机技术迅速发展，Internet上呈现大量的图像信息。图像中包含了很多的物体特性，其中颜色是非常重要的特征之一，颜色包含了图像中更多有价值的识别信息。SIFT算法提取图像局部特征，成功应用于物体识别、图像检索等领域。该算法由DAVID G.L.于1999年提出[1]，并于2004年进行了发展和完善[2]，MIKOLAJCZYK[3]对多种描述子进行实验分析，结果证实了SIFT描述子具有最强的鲁棒性。然而这些描述子仅利用图像的灰度信息，忽略了图像的彩色信息。为了提高光照不变性，获得更高的识别率，研究者提出了基于颜色不变特性的SIFT彩色描述子。目前彩色描述子主要分为基于颜色直方图、基于颜色矩、基于SIFT三类。本文对彩色SIFT描述子进行了深入的研究，阐述了彩色SIFT描述子，给出了每种彩色描述子的性能评价。