特征提取算子

1、關于特征提取算子第一張，PPT共二十六頁，創(chuàng)作于2022年6月目錄基本概念及所需知識Harris算子程序設計及實驗結果圖像變化特征點的作用角點基本思想數(shù)學表達改進的Harris算子第二張，PPT共二十六頁，創(chuàng)作于2022年6月基本概念及所需知識 圖像變化的類型幾何變化旋轉相似(旋轉 + 各向相同的尺度縮放)仿射 (非各向相同的尺度縮放)適用于: 物體局部為平面灰度變化仿射灰度變化 (I a I + b)第三張，PPT共二十六頁，創(chuàng)作于2022年6月基本概念及所需知識 提取特征點的作用圖像的點特征是許多計算機視覺算法的基礎：使用特征點來代表圖像的內容運動目標跟蹤物體識別圖像配準全景圖像拼接三維重

2、建第四張，PPT共二十六頁，創(chuàng)作于2022年6月基本概念及所需知識 特征點（角點） 特征點在許多文獻中又被稱為興趣點(interest point)、角點(corner point),對特征點目前還沒有統(tǒng)一的定義,一般認為特征點產(chǎn)生于兩條或多條相對直線交叉的區(qū)域。不同的檢測方法對特征點有不同的定義。角點（corner points）：局部窗口沿各方向移動，均產(chǎn)生明顯變化的點圖像局部曲率突變的點典型的角點檢測算法：Harris角點檢測CSS角點檢測第五張，PPT共二十六頁，創(chuàng)作于2022年6月一種好的局部特征應該具有以下性質: (1) 可重復性:同一個物體或場景在不同的條件下(如視角、尺度發(fā)生變

3、化),兩幅圖像中對應的特征越多越好。 (2) 獨特性:特征的幅值模式需要呈現(xiàn)多樣性,這樣的特征才能被區(qū)分和匹配 。(3) 局部性:特征應該是局部的,從而減少被遮擋的可能性,并且允許用簡單的模型來近似兩幅圖像間的幾何和成像變形。(4) 數(shù)量性:一般來說,檢測到的特征數(shù)目一定要多,但是在圖像檢索中,特征太多,又會對檢索的實時性造成一定影響。理想情況是檢測到的特征數(shù)量在一個比較大的范圍內,然后可以通過一個簡單的預知就可以調整。而這個閾值的調整可以通過在檢索系統(tǒng)中的實驗得以確定?；靖拍罴八柚R 特征點（角點）第六張，PPT共二十六頁，創(chuàng)作于2022年6月(5) 準確性:得到的特征應該能夠被精確定位

4、,包括圖像空間和尺度空間上的精確定位。 (6) 高效性:檢測和描述的時間越短越好,以便用于后續(xù)的實時應用。 這 6 條性質中,最重要的是可重復性。 Moravec44于 1977年提出 Moravec 角點算法,是最早提出的角點檢測算法之一。該方法中,角點被定義為在各個方向(垂直、水平、對角線)都存在劇烈灰度變化的點基本概念及所需知識 特征點（角點）第七張，PPT共二十六頁，創(chuàng)作于2022年6月不同類型的角點第八張，PPT共二十六頁，創(chuàng)作于2022年6月Harris角點檢測基本思想從圖像局部的小窗口觀察圖像特征角點定義 窗口向任意方向的移動都導致圖像灰度的明顯變化第九張，PPT共二十六頁，創(chuàng)作

5、于2022年6月Harris角點檢測基本思想平坦區(qū)域：任意方向移動，無灰度變化邊緣：沿著邊緣方向移動，無灰度變化角點：沿任意方向移動，明顯灰度變化第十張，PPT共二十六頁，創(chuàng)作于2022年6月Harris檢測：數(shù)學表達圖像灰度平移后的圖像灰度窗口函數(shù)將圖像窗口平移u,v產(chǎn)生灰度變化E(u,v)或窗口函數(shù) w(x,y) =Gaussian1 in window, 0 outside第十一張，PPT共二十六頁，創(chuàng)作于2022年6月Harris檢測：數(shù)學表達寫成矩陣形式：式中，Ix為x方向的差分，Iy為y方向的差分，w(x,y)為高斯函數(shù)第十二張，PPT共二十六頁，創(chuàng)作于2022年6月Harris檢

6、測：數(shù)學表達窗口移動導致的圖像變化：實對稱矩陣M的特征值分析max, min M的特征值緩慢變化的方向快速變化的方向(max)-1/2(min)-1/2E(u,v)的橢圓形式第十三張，PPT共二十六頁，創(chuàng)作于2022年6月Harris檢測：數(shù)學表達12“Corner”1 和 2 都較大且數(shù)值相當 1 2;圖像窗口在所有方向上移動都產(chǎn)生明顯灰度變化如果1 和 2 都很小，圖像窗口在所有方向上移動都無明顯灰度變化“Edge” 1 2“Edge” 2 1“Flat” region通過M的兩個特征值的大小對圖像點進行分類:第十四張，PPT共二十六頁，創(chuàng)作于2022年6月Harris檢測：數(shù)學表達定義：

7、角點響應函數(shù)R(k empirical constant, k = 0.04-0.06)第十五張，PPT共二十六頁，創(chuàng)作于2022年6月Harris檢測：數(shù)學表達12“Corner”“Edge” “Edge” “Flat” R 只與M的特征值有關 角點：R 為大數(shù)值正數(shù) 邊緣：R為大數(shù)值負數(shù) 平坦區(qū)：R為小數(shù)值R 0R 0R 對于灰度平移變化不變 I I + b 對于圖像灰度的尺度變化: I a IRx (image coordinate)閾值Rx (image coordinate)第二十三張，PPT共二十六頁，創(chuàng)作于2022年6月Harris角點的性質隨幾何尺度變化，Harris角點檢測的性能下降Repeatability rate:# correspondences# possible correspondencesC.Schmid et.al. “Evaluation of Interest Point Detec