- 博客(14)
- 资源 (21)
- 收藏
- 关注
原创 SURF算法详解及同SIFT算法的比较
SURF (Speeded Up Robust Features)也是一种类似于SIFT的兴趣点检测及描述子算法。其通过Hessian矩阵的行列式来确定兴趣点位置,再根据兴趣点邻域点的Haar小波响应来确定描述子,其描述子大小只有64维(也可以扩展到128维,效果更好),是一种非常优秀的兴趣点检测算法。本文主要从SURF原文出发,结合自己一些理解,并比较sift方法,对其算法原理进行总结。关键
2015-10-28 18:08:30 18694
原创 基于曲线方向(梯度)变化的角点检测方法
除了通过计算曲线角度来确定角点外,还一种更为直观的方法,因为角点实际上边缘的连接处,所以我们可以直接检测某点边缘方向变化,如果一个点上有多个连接的边缘,或边缘变化较大,说明这个点是角点。本文将重点介绍三个方法,分别是GCM方法(基于边缘梯度自相关矩阵)、DOG方法和ANDD方法。一、通过梯度自相关矩阵的方法(GCM)首先计算边缘平面曲线上每点的梯度: 这里的dx和dy分别是
2015-10-27 22:58:48 6992
原创 基于曲线曲度或类曲度的角点检测方法总结
摘要:主要介绍了基于曲线曲度的角点检测方法,不仅介绍了早期的曲度计算方法,还包括了CSS方法、CPDA方法、样条曲线参数估计曲度方法、协方差矩阵估计曲度方法等,最后还给出了针对这些方法最新的一些改进,如基于小波、基于多尺度乘积、自适应角度阈值、动态迭代ROS等等。一旦我们知道边缘每点的曲度,那么我们就能非常好的区分角点。通过计算曲线曲度或者可以衡量曲度的其它量,自然而然成为我们检测角点
2015-10-27 19:40:37 9167 6
原创 基于模板的角点检测方法综述
基于模板的角点检测方法,不同基于梯度或导数的方法,它是直接针对于像素的灰度值(像素强度)的,这种方法的一般操作过程是先建立一个模板mask,通过模板来操作或比较图像局部的像素,从面判断其是否为角点,SUSAN方法就是这类方法的典型。(1)楔形建模方法最早期的方法,是将角点位置的区域建模成楔形区域,如下图所示,这个模型包含了角点、方向、对比度、钝度、曲度的变化,每一个楔形都包含了上述几个参数
2015-10-22 18:16:09 3260
原创 FAST-ER角点检测算法详解(改良的FAST算法)
FAST-ER是FAST算法原作者在2010年提出的,它在原来算法里提高特征点检测的重复度,重复意味着第一张图片内的检测的点,也可以在第二张图片上的相应位置被检测出来,重复度可以由如下式子定义:这里的Nrepeated指第一张图片内的检测点有多少能在第二张被检测到,而Nuseful定义为有用的特征点数。这里计算的一组图像序列的总的重复度,所以Nrepeated和Nuseful是图像序列
2015-10-22 16:21:19 7652 1
原创 FAST角点检测方法详解
FAST(Features from Accelerated Segment Test)由Edward Rosten和Tom Drummond在2006年首先提出,是近年来一总倍受关注的基于模板和机器学习的角点检测方法,它不仅计算速度快,还具有较高的精确度。本文将通过其2006年的原文,详细介绍FAST的基本原理。一、FAST算法原理FAST的方法主要是考虑像素点附近的圆形窗口上的
2015-10-21 23:14:06 23792 2
原创 SUSAN角点及边缘检测方法详解
SUSAN边缘及角点检测没有用到图像像素的梯度(导数),因为这个原因,所以即使在噪声存在情况下,也能有好的表现。因为只要噪声足够的少,没有包含到所有相似像素的点,那么噪声就可以被排除。在计算时,单个值的集合统一消除了噪声的影响,所以SUSAN对于噪声具有较好的鲁棒性。SUSAN是通过比较像素点邻域同其中心相似程度,所以也具有了光强变化不变性(因为像素点差别不会变化),及旋转不变性(旋转不会改变局部像素间的相似程度),及一定程度的尺度不变性(角点的角度在尺度放大并不会变化,这里的一定程度是指在尺度放大时,局
2015-10-21 15:50:57 22014 4
原创 基于图像像素梯度的角点检测方法综述
通过图像像素强度的梯度值来确定角点的位置,是非常直观的角点检测方法,下面我们将给出一个基于图像梯度(导数)方法的简介,在这类方法里用的比较多的便是Harris和KLT(Shi-Tomasi)方法了,我们将介绍其原理比较其不同,另外本文还提到了一些早期梯度检测方法(如DET)。
2015-10-19 17:31:36 6378 1
原创 LOCOCO角点检测方法(一种快速精确的Harris及KLT)介绍
虽然Harris及KLT(Kanade-Lucas-Tomasi)等方法被广泛等应用于角特征检测领域,但是由于这些算子计算复杂,很难达到实时运行,所以其应用也受到了限制。由此一种新的实时快速算法LOCOCO角点检测方法(2011年)被提出,它重新设计了Harris及KLT算法来减少其计算复杂度,并提出了一种子像素精确度的角点位置确定。Harris算法及KLT的方法非常类似,都是属于对图像像素强度梯度进行操作。其方法都是首先通过卷积一阶高斯梯度核来获得图像梯度,然后计算每个像素梯度矩阵及角响应(这里Harr
2015-10-19 11:06:12 4432
原创 Shi-Tomasi特征点(角点)检测及追踪方法
本文主要介绍了Shi-Tomasi特征点(角点)检测及追踪方法,这个方法是KLT方法的一种改进,其在检测特征点(角点)方法同KLT并没有什么不同,都通过比较梯度矩阵的最小特征值来确定特征点的,而主要的不同是在,匹配特征点时,其引入了仿射变换,让特征点在帧间匹配更为精确,并排除不好的特征点。另外还简要介绍了在估计图像运动向量的迭代方法—牛顿-拉夫逊方法或牛顿迭代法(Newton-Raphson method)
2015-10-16 14:36:32 9483 2
原创 KLT光流法及其特征点检测方法
KLT角点检测方法最初是用于满足Lucas-Kanade光流法选择合适特征点的要求,Lucas-Kanade光流法是通过先在前后两帧图像里分别建立一个固定大小窗口,然后找到让两个窗口间像素强度差的平方和最小的位移。然后将窗口内像素的移动近似为这样的位移向量,然后实际上,一方面像素移动并不会那么简单,另一方面窗口内像素并不都是同样的移动方式,因为这样的近似必然会带来误差。而现在的问题就是如何去选择合
2015-10-15 20:28:27 16127
原创 类神经网络的角点检测方法
今天阅读了一篇论文里面提到一种类神经网络模型Connectionist Model的角点检测方法,非常有意思,虽然说这篇论文里面介绍的方法结构特征复杂(图像的每个点都需要一对神经元的表示),而且只能针对于结构简单二值或灰度图像,但这个方法非常有启发性,该方法利用了多尺度空间及人工神经网络的思想。
2015-10-13 20:36:37 3094 2
原创 从多尺度空间到差分高斯金字塔
从多尺度空间到差分高斯金字塔摘要:1、 多尺度空间理论是如何构思的2、 高斯平滑的意义是什么3、 DoG同LoG为什么会被提出,它们的联系是什么4、 差分高斯金字塔为什么会分那么多组和层通常情况下,我们经常通过极值或梯度等来描述一个信号(或图像)的信息,然后尺度信息也是同等重要的,尺度越来越精细,会图像增加更多细节,反之尺度越粗,也会丢失许多细节,如此以来,研究人员
2015-10-12 09:31:06 8601
原创 尺度及仿射不变的Harris角特征点检测及匹配算法
角特征点检测是一种局部特征子,而局部特征子非常适合于图像匹配及识别(尤其是目标出现阻挡的情况),但问题是如何才能找到具有不变性的特征子(针对于旋转、仿射、光照、尺度等不变性特征)。
2015-10-10 09:22:34 14445 5
SURF Speeded Up Robust Features
2015-10-28
基于小波的角点检测方法
2015-10-27
ADNN自适应阈值及动态ROS的角点检测方法原文
2015-10-27
CPDA角点检测方法
2015-10-27
Boundary-based corner detection using eigenvalues of covariance matrices
2015-10-27
Corner detection and curve representation using cubic B-spline
2015-10-27
A Simple and Efficient Algorithm for Detection
2015-10-27
Faster and Better A Machine Learning Approach to Corner Detection.pdf
2015-10-22
Machine Learning for High-Speed Corner Detection.pdf
2015-10-21
Corner Detection via Topographic Analysis of Vector Potential.pdf
2015-10-21
SUSAN—A New Approach to Low Level Image Processing.pdf
2015-10-21
Robust Low Complexity Corner Detector.pdf
2015-10-19
Good Features to Track.pdf
2015-10-16
Detection and Tracking of Point Features
2015-10-15
A Connectionist Model for Corner Detection in Binary and Gray Images
2015-10-13
Uniqueness of the Gaussian Kernel for Scale-Space.pdf
2015-10-12
Distictive Image Features From Scale-Invariant Keypoints.pdf
2015-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人