2020-11-30 04_机器视觉中的特征提取与描述

 

Global Image Features (Hough Transform)
 

伪代码

参数的范围

降低域值检测到更多的线

粗细搜索---》多尺度hough变换

亮的多 暗的少

 

输入 8UC1图像   srn 多尺度变换的 粗找用rho 细用rho/srn  上面是直线

下面的函数求的是直线段  线段的最小长度和两线间的间隔

用hough可以用hough变换  简间解析式的 扩展后都可以

先对图像 canny ----局部grad  sobel----x,y 方向的一阶梯度----

图像局部特征

局部特征是图像的匹配  检索

常用的是斑点和角点blob corner    SIFT SURF用到的是高斯--算子，关键点 特征点

关键点的周围对它的贡献  比单独的像素点鲁棒性更好，而且会有方向特征

二进制比梯度速度快

SIFT SURF是统计直方图、灰度或梯度直方图，

二进制描述子用汉明距离 BRIEF, ORB, BRISK, FREAK

KAZE是发表在ECCV2012的一种特征点检测算法，相比于SIFT和SURF，KAZE建立的高斯金字塔是非线性的尺度空间，采用加性算子分裂算法(Additive Operator Splitting, AOS)来进行非线性扩散滤波。一个很显著的特点是在模糊图像的同时还能保留边缘细节

角点检测

 

感性思考 

在四个方向 0， 45， 90， 135

泰勒展开式，用二阶导，这样就可以求任意方向的了，

 

不同的区域特征值的大小不同

非极大值抑制

 

 

a这个值人提前给

下面可以不用人工输入 

 

不同大小的高斯核得到 不同的尺度 模拟人眼有情况

 

DOG是LOG的近似

 

高斯金字塔

 

DOG只用高斯模糊不做下采样 同等大小做模糊

SIFT应用DOG再采用了下采样  对DOG做了改良

尺度空间构建

 

多少层多少个octave是由图像大小决定 的

512X512 log(512)/log2 -2 层   减少是因为下降到1像素再做模糊意义不大

默认是4个octave,每个五组图像

SIFT  LOWE  216 --- 512扩大做为-1层 再往上长 金字塔

每一个至少有三个图像 再额外生成三个图像

DOG 5个尺度 上面就需要6个图像

 

更接近于人眼