快捷導(dǎo)航

圖像檢索之基于vlfeat實現(xiàn)SIFT特征

更新時間：2021年12月14日 15:16:04 作者：Brook_icv

SIFT特征的講解已經(jīng)很多了,本文就借助vlfeat對SIFT特征的提取過程做一個總結(jié)。接下來通過本文給大家介紹圖像檢索之基于vlfeat實現(xiàn)SIFT，感興趣的朋友跟隨小編一起看看吧

概述

基于內(nèi)容的圖像檢索技術(shù)是采用某種算法來提取圖像中的特征，并將特征存儲起來，組成圖像特征數(shù)據(jù)庫。當(dāng)需要檢索圖像時，采用相同的特征提取技術(shù)提取出待檢索圖像的特征，并根據(jù)某種相似性準(zhǔn)則計算得到特征數(shù)據(jù)庫中圖像與待檢索圖像的相關(guān)度，最后通過由大到小排序，得到與待檢索圖像最相關(guān)的圖像，實現(xiàn)圖像檢索。圖像檢索的結(jié)果優(yōu)劣取決于圖像特征提取的好壞，在面對海量數(shù)據(jù)檢索環(huán)境中，我們還需要考慮到圖像比對（圖像相似性考量）的過程，采用高效的算法快速找到相似圖像也至關(guān)重要。

在構(gòu)建圖像特征庫的時候，通常不會使用原始的圖像特征，這是由于Raw Feature有很多冗余信息，而且維度過高在構(gòu)建特征數(shù)據(jù)庫和匹配的時候效率較低。所以，通常要對提取到的原始特征進(jìn)行重新編碼。比較常用的三種編碼方式：

BoF , Bog of Feature 源于文本處理的詞袋模型(Bog,Bag of Words)
VLAD , Vector of Aggragate Locally Descriptor
FV , fisher vector

構(gòu)建圖像特征數(shù)據(jù)庫，通常有以下幾個步驟：

圖像預(yù)處理流程（增強(qiáng)，旋轉(zhuǎn)，濾波，縮放等）
特征提?。ㄈ痔卣?，局部特征：SIFT,SURF,CNN等）
對每張圖片提取的原始特征重新編碼（BoF,VLAD,FV）形成圖像的特征庫

圖像的特征庫構(gòu)建完成后，在檢索階段，主要涉及到特征的相似性度量準(zhǔn)則，排序，搜索

提取圖像的特征，
特征編碼
在圖像特征庫中進(jìn)行檢索
返回相似性較高的結(jié)果

SIFT特征

SIFT特征的講解已經(jīng)很多了，之前的博客也有過介紹。本文就借助vlfeat對SIFT特征的提取過程做一個總結(jié)。
一個SIFT特征有兩部分組成：關(guān)鍵點（keypoint)和對應(yīng)特征描述子(Descriptor)。使用SIFT detector 進(jìn)行SIFT關(guān)鍵點的提取，然后使用SIFT descriptor計算關(guān)鍵點的描述子。也可以獨立的使用SIFT detector進(jìn)行SIFT 關(guān)鍵點的提取，或者使用SIFT descriptor進(jìn)行別的關(guān)鍵點描述子的計算。

一個SIFT keypoint是一塊圓形區(qū)域并且?guī)в蟹较颍褂?個參數(shù)描述該區(qū)域的幾何結(jié)構(gòu)：

keypoint的中心位置的坐標(biāo)(x,y)
keypoint的scale(圓形區(qū)域的半徑r)
keypoint的方向(使用弧度表示的角度θ)

一個SIFT關(guān)鍵點由4個參數(shù)確定:

高斯尺度的組數(shù)o=log2min(m,n)?3=log2(512)?3=6
構(gòu)建第0組，將原圖像進(jìn)行上采樣，寬和高增加一倍得到圖像I0。
第0層I0?G(x,y,σ0)
第1層I0?G(x,y,kσ0)
第2層I0?G(x,y,k2σ0)
構(gòu)建第1組，將I0進(jìn)行降采樣，得到圖像I1
第0層I1?G(x,y,2σ0)
第1層I1?G(x,y,2kσ0)
第2層I1?G(x,y,2k2σ0)
...
構(gòu)建第o組，第s層 Io?G(x,y,2oksσ)

在Lowe的算法實現(xiàn)中\(zhòng)(\sigma_0 = 1.6,o_min = -1\)。\(o_min = -1\)表示金字塔的第0組是原圖像上采樣得到的，寬和高加一倍。

DoG 極值點檢測

高斯圖像金字塔構(gòu)建完成后，將同一組的相鄰兩層相減就得到了\(DoG\)金字塔。

每組的層數(shù)\(S = 3\)，也就是說每組可以得到兩層的\(DoG\)圖像，以第一組為例：其尺度為\(\sigma,k\sigma\)，只有兩項是無法求取極值的，需要左右兩邊都有尺度。由于無法比較取得極值，那么我們就需要繼續(xù)對每組的圖像進(jìn)行高斯模糊，使得尺度形成\(\sigma,k\sigma,k^2\sigma,k^3\sigma,k^4\sigma\)這樣就可以選擇中間的三項\(k\sigma,k^2\sigma,k^3\sigma\)

檢測關(guān)鍵點，就是在\(DoG\)的圖像空間中尋找極值點，每個像素點要和其圖像域（同一尺度空間）和尺度域（相鄰的尺度空間）的所有相鄰點進(jìn)行比較，當(dāng)其大于（或者小于）所有相鄰點時，改點就是極值點。如圖所示，中間的檢測點要和其所在圖像的\(3 \times 3\)鄰域8個像素點，以及其相鄰的上下兩層的\(3\times 3\)領(lǐng)域18個像素點，共26個像素點進(jìn)行比較。

刪除不好的極值點

刪除兩類極值點

在對比度比較低低的區(qū)域檢測到的極值點
在圖像的邊緣部分檢測到的極值點

確定關(guān)鍵點的方向

統(tǒng)計關(guān)鍵點鄰域像素的梯度方向分布來確定關(guān)鍵點的方向。具體步驟如下：

計算以特征點為中心，以\(3 \times1.5 \sigma\)為半徑的區(qū)域圖像的幅角和幅值，每個像點\(L(x,y)\)的梯度的模\(m(x,y)\)以及方向\(\theta(x,y)\)可通過下面公式求得

統(tǒng)計像素點的幅角和幅值的直方圖，梯度方向的直方圖的橫軸是梯度方向的角度（梯度方向的范圍是0到360度，直方圖每36度一個柱共10個柱，或者沒45度一個柱共8個柱），縱軸是梯度方向?qū)?yīng)梯度幅值的累加，在直方圖的峰值就是特征點的主方向。在梯度直方圖中，當(dāng)存在一個相當(dāng)于主峰值80%能量的柱值時，則可以將這個方向認(rèn)為是該特征點輔助方向。所以，一個特征點可能檢測到多個方向（也可以理解為，一個特征點可能產(chǎn)生多個坐標(biāo)、尺度相同，但是方向不同的特征點）。

得到特征點的主方向后，對于每個特征點可以得到三個信息\(k(x,y,r,\theta)\)，即位置、尺度和方向。由此可以確定一個SIFT特征區(qū)域，一個SIFT特征區(qū)域由三個值表示，中心表示特征點位置，半徑表示關(guān)鍵點的尺度，箭頭表示主方向。
具有多個方向的關(guān)鍵點可以被復(fù)制成多份，然后將方向值分別賦給復(fù)制后的特征點，一個特征點就產(chǎn)生了多個坐標(biāo)、尺度相等，但是方向不同的特征點。

計算關(guān)鍵點描述子

在檢測部分已經(jīng)得到了SIFT關(guān)鍵點的位置，尺度和方向信息，生成關(guān)鍵點的描述子，就是使用一個向量來描述關(guān)鍵點及其鄰域像素的信息。
由以下步驟生成描述子：

為了保證旋轉(zhuǎn)不變性，將關(guān)鍵點為中心的鄰域像素的坐標(biāo)軸進(jìn)行旋轉(zhuǎn)，將\(x\)軸旋轉(zhuǎn)至關(guān)鍵點主方向，如下圖：

分塊計算鄰域內(nèi)像素的梯度方向直方圖，以關(guān)鍵點為中心的\(16\times16\)的區(qū)域內(nèi)，劃分\(4\times4\)個塊，分別計算每個塊的梯度直方圖，如下圖：

每個塊的梯度直方方向直方圖的計算方式，和求關(guān)鍵點主方向時類似：此時每個區(qū)域的梯度直方圖在0-360之間劃分為8個方向區(qū)間，每個區(qū)間為45度，即每個種子點有8個方向的梯度強(qiáng)度信息，最后將得到的\(4\times4\times8=128\)維的特征向量。

為了去除光照變化的影響，需對上述生成的特征向量進(jìn)行歸一化處理。在歸一化處理后，在128維的單位向量中，對大于0.2的要進(jìn)行截斷處理，即大于0.2的值只取0.2，然后重新進(jìn)行一次歸一化處理，其目的是為了提高鑒別性。0.2 是實驗得出的經(jīng)驗值。

vlfeat實現(xiàn)的sift特征提取

vlfeat是一個開源的輕量級的計算機(jī)視覺庫，主要實現(xiàn)圖像局部特征的提取和匹配以及一些常用的聚類算法。其對sift特征提取的各個步驟進(jìn)行了封裝，使用的方法如下：

1.調(diào)用vl_sift_new初始化VlSiftFilt，設(shè)置sift提取時參數(shù)信息，如：圖像的大小，Octave的個數(shù)，每個Octave的中的層數(shù)，起始的Octave的index. 各個參數(shù)的具體含義可以參考上面sift特征提取的方法。

2.設(shè)置剔除不穩(wěn)定關(guān)鍵點的閾值。在上面提到，sift在進(jìn)行極值檢查后，要剔除兩類不穩(wěn)定的極值點：1.對比度較低區(qū)域的極值點；2.邊緣部分的極值點。可以調(diào)用

vl_sift_set_peak_thresh設(shè)置接受極值點是一個關(guān)鍵點的最小對比度。該值越小，提取到的關(guān)鍵點就越多。
y vl_sift_set_edge_thresh()設(shè)置一個極值點是在邊緣上的閾值。該值越小，提取到的關(guān)鍵點就越多。

這兩個參數(shù)對最終提取到的特征點個數(shù)有很大的影響。

3.初始化工作完成后，可以循環(huán)的對尺度空間的每個Octave進(jìn)行處理了

調(diào)用 vl_sift_process_first_octave()和vl_sift_process_next_octave()來計算下一個DoG尺度空間。
調(diào)用vl_sift_detect進(jìn)行關(guān)鍵點提取
對每一個提取到的關(guān)鍵點

vl_sift_calc_keypoint_orientations計算關(guān)鍵點的方向，可能多于一個

l_sift_calc_keypoint_descriptor計算每個方向的特征描述子。

4.vl_sift_delete釋放資源。

具體代碼如下：

// 初始化
    const string file = "../0.jpg";
    Mat img = imread(file,IMREAD_GRAYSCALE);
    Mat color_img = imread(file);
    Mat float_img;
    img.convertTo(float_img,CV_32F);

    int rows = img.rows;
    int cols = img.cols;
    VlSiftFilt* vl_sift =  vl_sift_new(cols,rows,4,3,0);
    vl_sift_set_peak_thresh(vl_sift,0.04);
    vl_sift_set_edge_thresh(vl_sift,10);

    vl_sift_pix *data = (vl_sift_pix*)(float_img.data);


    vector<VlSiftKeypoint> kpts;
    vector<float*> descriptors;

    vl_sift_extract(vl_sift,data,kpts,descriptors);
    
/*
    Extract sift using vlfeat
    parameters:
        vl_sfit, VlSiftFilt* 
        data , image pixel data ,to be convert to float
        kpts, keypoint list
        descriptors, descriptor. Need to free the memory after using.
*/
void vl_sift_extract(VlSiftFilt *vl_sift, vl_sift_pix* data,
                    vector<VlSiftKeypoint> &kpts,vector<float*> &descriptors) {
    
    // Detect keypoint and compute descriptor in each octave
    if(vl_sift_process_first_octave(vl_sift,data) != VL_ERR_EOF){
        while(true){
            vl_sift_detect(vl_sift);

            VlSiftKeypoint* pKpts = vl_sift->keys;
            for(int i = 0; i < vl_sift->nkeys; i ++) {

                double angles[4];
                // 計算特征點的方向，包括主方向和輔方向，最多4個
                int angleCount = vl_sift_calc_keypoint_orientations(vl_sift,angles,pKpts);

                // 對于方向多于一個的特征點，每個方向分別計算特征描述符
                // 并且將特征點復(fù)制多個
                for(int i = 0 ; i < angleCount; i ++){
                    float *des = new float[128];
                    vl_sift_calc_keypoint_descriptor(vl_sift,des,pKpts,angles[0]);
                    descriptors.push_back(des);
                    kpts.push_back(*pKpts);
                }
                pKpts ++;
            }    
            // Process next octave
            if(vl_sift_process_next_octave(vl_sift) == VL_ERR_EOF) {
                break ;
            }
        }
    }
}

vlfeat中sift提取接受的是float類型的數(shù)據(jù)，所以要先將讀到的數(shù)據(jù)圖像轉(zhuǎn)換為float。
和OpenCV中的sift提取的對比結(jié)果如下：