局部特征总结（1）--介绍

1、局部特征（Local Feature）VS全局特征（Global Feature）

局部特征： 能够稳定出点并且具有良好可分性的一些点。

全局特征： 方差、颜色直方图。

Figure1.1
如图1.1所示，左边一列是完整图像，中间一列是一些边缘的角点（局部特征），右边一列是去除角点的线段。根据边缘的角点可以估测出完整图像。这就是我们讨论的局部特征的优势。
- 局部特征可以在恢复完整图像前提下，减少计算量。
- 局部特征可以在完整图像被遮挡的情况下，根据未遮挡的点来还原重要信息。

2、局部特征的提取

为了更加明确局部特征，我们在图2中选取了3个部分：
- 边缘的点：很容易判断。
- 边缘的线：一条线往左往右看都差不多
- 变化缓慢的天空：那么多天空，好多都一样

Figure2.1
如果将以上三个部分作为图片的三个特征，很明显“边缘的点”是最具特色的特征（左图中选取的特征，在右图中最容易找到的）。
局部特征最早期的研究就是从角点开始的。（例：Harris Corner）

3、总结

总结，好的特征值应该具有以下几个特点：
1. 重复性：不同图片相同区域应该能被重复检测到，不受光照和旋转的影响。
2. 可区分性：不同的检测子，应该可以被区分出来，而为了区分他们，应运而生的就是与检测子对应的描述子了。
3. 数量适宜：检测子数量不能太多，也不能太少。
4. 高定位（尺度和位置）：在哪出现的最好在哪找到，可别跑偏了。
5. 有效性：检测速度越快越好。