如何判断关键点的旋转不变性?
解:图像金字塔每层会得到一系列的DoG[Difference of Gaussian]极大值点,在极值中选取关键点【1.点的周围在邻域范围中是最大值;2.相邻金字塔层的邻域是最大值
满足1,2的点具有缩放不变性】
但是由于边缘响应,可能找到的点并不是关键点,因此,在此基础上需要计算该点的Hessain矩阵,通过Hessian计算该点的主曲率,利用阈值过滤主曲率较小的点,最后
点认为是【关键点】
此时问题来了,如何判断关键点的旋转不变性呢?
具体方式:选择关键点的相邻点,计算周围所有点的梯度的角度,且将360°划分为36分,每份10°,画出对应的直方图,找出直方图最大的角度,若出现角度有达到最大角
度的80%以上,记录其为次大角度。记录最大角度和次大角度为关键点的方向,记录该方向即可保证关键点的旋转不变性。
SIFT【尺度不变特征转化算法】:
得到关键点之后,在关键点周围的16个像素点(16x16区域),以每4个为一组,计算每组像素的梯度角度,然后根据像素梯度计算角度直方图【360°分成8份】,然后根据
直方图的计算结果,最后可以给每个像素点分配16*8=128个特征。通过这128个特征构成的向量可以描述图像局部区域的特征信息。