Corner detection

转自 http://www.douban.com/note/61674140/点击打开链接

下面介绍两种corner detection的老算法：Moravec （1977），Harris（1988）

Moravec （1977）
这个算法通过两张图就看得很清楚了。将被检测点上的window移动一下，然后计算原来的window和移动之后的window对应位置像素差的平方和，如果变化不大说明这个点在物体内部，如果一个方向上变化大，另外一个方向上变化不大说明在边界上。如果任何方向上变化都很大说明这个点就是corner point。

但是这个方法效果不是很好，主要存在两方面的问题：
1.0-1window对噪声比较敏感
2.window移动的方向太少，导致该算法对边缘敏感（准确的说是和window移动方向不一致的边缘）

harris（1988）
harris（1988）年提出了改进方案。
1.将01window改成了Gaussian window，中心权重比较高，离中心越远权重越低。
2.使用泰勒展开考虑所有方向

通过泰勒展开可以将原window和shift之后的window对应位置像素差的平方和表示为移动方向*该点Hessian矩阵*移动方向。Hessian矩阵的较大特征值和对应特征向量分别表示变化最大方向和对应变化幅度。第二特征值和对应特征向量，表示和变化最大方向相垂直的方向以及该方向变化的幅度。如果最大特征值很小那么说明该点在物体内部；如果第一特征值很大，另外一个特征值接近零说明该点是一个edge point；如果两个特征值都远大于零说明该点是一个corner point。

Harris 为了简化计算提出了一个cornerness的量，越大越说明这个点越corner，详细计算参见本文最初给的链接。给一个特征值和cornerness之间关系的图。

相关文献
Corner detection
http://www.cim.mcgill.ca/~dparks/CornerDetector/index.htm
Feature matching 田知本 沈允中 徐士璿
香港或者台湾人写的讲义，里面介绍了Moravec （1977），Harris（1988）方法，介绍的非常好，教授说话也挺好的玩的，里面有句话是：“你们听懂了吗？听懂了吗？你们都不回应我，我也不知道你们懂了没，反正我是听懂的很”