VLFeat工具包Sift相关函数的学习与使用

论文：ImageClassification with Fisher Vector: Theory and Practice

数据集：Calthch256

 

主要查看了VLFeat主页上关于SIFT和DENSESIFT的Tutorials。

 

运行了VLFeat中的demo，对于Calthch256中001.ak47类的第一张图片001_0001.jpg（图片大小499×278）使用vl_sift函数对整张图片提取特征，得到421个特征点，而对于vl_dsift函数，通过调整patch size和step size可以控制得到的特征点的坐标和个数。对同一张图片001_0001.jpg，当patch size是24×24，step size取为4时，结果得到了7865个特征点。对于其他图像，也是如此，得到的特征点数大大提高。

 

从vl_sift函数说明中，可以知道检测到的所有特征点以F表示（4×numkeypoints），每个特征点被分配了坐标位置x、y，尺度s和方向th。F中的每一列代表了一个特征点，而每一个descriptor都是128维的，因为：

在高斯尺度图像上，以特征点为中心，将附近邻域划分为 d×d 个子区域(Lowe取d = 4)，每个子区域都是一个正方形；

用直方图统计邻域像素的梯度方向，每π/2设置为一个方向，共有8个方向；

在每个子区域上计算8个方向的梯度方向直方图，这样就可以对每个特征点形成一个4*4*8=128维的描述符。

所有特征点的描述符构成D(128×numkeypoints)。

 

对于vl_dsift函数来说，需要确定的主要参数为binSize(bin size)、step(sampling step)、bounds(bounding box)。各参数的含义如下图所示：

                               

（摘自http://www.vlfeat.org/api/dsift.html）

 

根据论文中所提：extract 10K descriptors per image from 24×24 patches on a regulargrid every 4 pixels at 5 scale。参数的设置如下：

binSize= 24/4 =6 (patch size = 24×24);

step= 4;

bounds为输入图像的大小。