特征提取算子

1、關(guān)于特征提取算子第一張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月目錄基本概念及所需知識(shí)Harris算子程序設(shè)計(jì)及實(shí)驗(yàn)結(jié)果圖像變化特征點(diǎn)的作用角點(diǎn)基本思想數(shù)學(xué)表達(dá)改進(jìn)的Harris算子第二張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月基本概念及所需知識(shí) 圖像變化的類型幾何變化旋轉(zhuǎn)相似(旋轉(zhuǎn) + 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(yè)，創(chuàng)作于2022年6月基本概念及所需知識(shí) 提取特征點(diǎn)的作用圖像的點(diǎn)特征是許多計(jì)算機(jī)視覺(jué)算法的基礎(chǔ)：使用特征點(diǎn)來(lái)代表圖像的內(nèi)容運(yùn)動(dòng)目標(biāo)跟蹤物體識(shí)別圖像配準(zhǔn)全景圖像拼接三維重

2、建第四張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月基本概念及所需知識(shí) 特征點(diǎn)（角點(diǎn)） 特征點(diǎn)在許多文獻(xiàn)中又被稱為興趣點(diǎn)(interest point)、角點(diǎn)(corner point),對(duì)特征點(diǎn)目前還沒(méi)有統(tǒng)一的定義,一般認(rèn)為特征點(diǎn)產(chǎn)生于兩條或多條相對(duì)直線交叉的區(qū)域。不同的檢測(cè)方法對(duì)特征點(diǎn)有不同的定義。角點(diǎn)（corner points）：局部窗口沿各方向移動(dòng)，均產(chǎn)生明顯變化的點(diǎn)圖像局部曲率突變的點(diǎn)典型的角點(diǎn)檢測(cè)算法：Harris角點(diǎn)檢測(cè)CSS角點(diǎn)檢測(cè)第五張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月一種好的局部特征應(yīng)該具有以下性質(zhì): (1) 可重復(fù)性:同一個(gè)物體或場(chǎng)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(duì)應(yīng)的特征越多越好。 (2) 獨(dú)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(yīng)該是局部的,從而減少被遮擋的可能性,并且允許用簡(jiǎn)單的模型來(lái)近似兩幅圖像間的幾何和成像變形。(4) 數(shù)量性:一般來(lái)說(shuō),檢測(cè)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(huì)對(duì)檢索的實(shí)時(shí)性造成一定影響。理想情況是檢測(cè)到的特征數(shù)量在一個(gè)比較大的范圍內(nèi),然后可以通過(guò)一個(gè)簡(jiǎn)單的預(yù)知就可以調(diào)整。而這個(gè)閾值的調(diào)整可以通過(guò)在檢索系統(tǒng)中的實(shí)驗(yàn)得以確定?；靖拍罴八柚R(shí) 特征點(diǎn)（角點(diǎn)）第六張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月(5) 準(zhǔn)確性:得到的特征應(yīng)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(cè)和描述的時(shí)間越短越好,以便用于后續(xù)的實(shí)時(shí)應(yīng)用。 這 6 條性質(zhì)中,最重要的是可重復(fù)性。 Moravec44于 1977年提出 Moravec 角點(diǎn)算法,是最早提出的角點(diǎn)檢測(cè)算法之一。該方法中,角點(diǎn)被定義為在各個(gè)方向(垂直、水平、對(duì)角線)都存在劇烈灰度變化的點(diǎn)基本概念及所需知識(shí) 特征點(diǎn)（角點(diǎn)）第七張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月不同類型的角點(diǎn)第八張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月Harris角點(diǎn)檢測(cè)基本思想從圖像局部的小窗口觀察圖像特征角點(diǎn)定義 窗口向任意方向的移動(dòng)都導(dǎo)致圖像灰度的明顯變化第九張，PPT共二十六頁(yè)，創(chuàng)作

5、于2022年6月Harris角點(diǎn)檢測(cè)基本思想平坦區(qū)域：任意方向移動(dòng)，無(wú)灰度變化邊緣：沿著邊緣方向移動(dòng)，無(wú)灰度變化角點(diǎn)：沿任意方向移動(dòng)，明顯灰度變化第十張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月Harris檢測(cè)：數(shù)學(xué)表達(dá)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(yè)，創(chuàng)作于2022年6月Harris檢測(cè)：數(shù)學(xué)表達(dá)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(yè)，創(chuàng)作于2022年6月Harris檢

6、測(cè)：數(shù)學(xué)表達(dá)窗口移動(dòng)導(dǎo)致的圖像變化：實(shí)對(duì)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(yè)，創(chuàng)作于2022年6月Harris檢測(cè)：數(shù)學(xué)表達(dá)12“Corner”1 和 2 都較大且數(shù)值相當(dāng) 1 2;圖像窗口在所有方向上移動(dòng)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(dòng)都無(wú)明顯灰度變化“Edge” 1 2“Edge” 2 1“Flat” region通過(guò)M的兩個(gè)特征值的大小對(duì)圖像點(diǎn)進(jìn)行分類:第十四張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月Harris檢測(cè)：數(shù)學(xué)表達(dá)定義：

7、角點(diǎn)響應(yīng)函數(shù)R(k empirical constant, k = 0.04-0.06)第十五張，PPT共二十六頁(yè)，創(chuàng)作于2022年6月Harris檢測(cè)：數(shù)學(xué)表達(dá)12“Corner”“Edge” “Edge” “Flat” R 只與M的特征值有關(guān) 角點(diǎn)：R 為大數(shù)值正數(shù) 邊緣：R為大數(shù)值負(fù)數(shù) 平坦區(qū)：R為小數(shù)值R 0R 0R 對(duì)于灰度平移變化不變 I I + b 對(duì)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(yè)，創(chuàng)作于2022年6月Harris角點(diǎn)的性質(zhì)隨幾何尺度變化，Harris角點(diǎn)檢測(cè)的性能下降Repeatability rate:# correspondences# possible correspondencesC.Schmid et.al. “Evaluation of Interest Point Detec