Question

我试图优雅地构建一个SIFT特征描述符，如在MATLAB中的Lowe的paper中所描述的。我见过的大多数方法都比较混乱，我想找到一种优雅的方法。我将关键点作为插值（x，y）坐标，并且我使用以下方法确定了图像中所有像素的渐变幅度和方向：

[Gmag,Gdir]=imgradient(image)

我可以通过切片Gdir轻松找到关于每个关键点的16x16渐变窗口。我现在需要构建每个单元格的直方图。我使用以下代码获取每个方向/幅度的bin编号：

binned=discretize(local_Gdir,[-180:45:180])

binned现在是一个索引矩阵，对应于每个单元格的特征向量（填充数字1-8; binned的索引对应于局部梯度索引）。 / p>

为了构建128元素特征描述符，我需要确定16个单元格的特征向量（直方图）。我一直试图将binned矩阵分割成16个单元格，同时保留索引，以便我可以快速参考局部梯度幅度矩阵，在将每个单元格附加到最终描述符之前，对每个单元格中的梯度求和，但我找不到干净的方法来做到这一点。

如何使用索引矩阵构建16个单元格的16个特征向量？也许更一般地说，在不丢失原始行/列索引的情况下，将索引矩阵拆分为16个子矩阵的好方法是什么？

Answer 1

16 * 16窗口中有16个4 * 4子窗口，16 * 16窗口的所有元素都具有1到8的值，因此每个子窗口应分别创建一个直方图。这意味着在循环中应该调用hist函数16次。

相反，我们可以为每个子窗口添加一个数字，然后每个子窗口的值变得与其他子窗口不同。

例如，对于第一个子窗口，我们将0添加到分箱值，因此值范围从1到8.

对于第二个子窗口，我们将8添加到分箱值，因此值范围从9到16。

为第三个窗口添加16 .....

然后只调用一次hist函数并计算128个值。

% exmaple of a 16 * 16 window
binned_16 = randi([1 8],16 ,16);
% the values to be added to each 16* 16 window ;this matrix only one time needs to be computed
values_to_add = kron(reshape((0 : 15), 4, 4)*8 , ones(4));
% values added to the window
binned_added_values = values_to_add + binned_16;
% histogram computed
h = hist(binned_added_values(:), 1:128);

利用指数矩阵构造MATLAB中的SIFT特征向量

1 个答案: