图像局部显著性—点特征

   基于古老的Marr视觉理论,视觉识别和场景重建的基础即第一阶段为局部显著性探测。探测到的主要特征为直觉上可刺激底层视觉的局部显著性——特征点、特征线、特征块。

       SalientDetection 已经好就没有复习过了,DNN在识别领域的超常表现在各个公司得到快速应用,在ML上耗了太多时间,求职时被CV的知识点虐死...


点探测总结(SIft、PCA-SIft、Surf、GLOH)

          原文链接(SIFT):http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html ,文章有修改!为个人意见。


一、Sift特征点生成的主要步骤 

      1)、尺度空间的生成;

      2)、检测尺度空间极值点;

      3)、精确定位极值点;

      4)、为每个关键点指定方向参数;

      5)、关键点描述子的生成。

 
 1.尺度空间:在一个合适的范围内,使用高斯卷积核模拟图像的多尺度化
 
 
              L(x,y,σ), σ= 1.6 a good tradeoff
 
               D(x,y,σ), σ= 1.6 a good tradeoff
 
 
    关于尺度空间的理解说明:图中的2是必须的,尺度空间是连续的。

       在 Lowe的论文中 ,  将第0层的初始尺度定为1.6,图片的初始尺度定为0.5. 在检测极值点前对原始图像的高斯平滑以致图像丢失高频信息,所以 Lowe 建议在建立尺度空间前首先对原始图像长宽扩展一倍,以保留原始图像信息,增加特征点数量。尺度越大图像越模糊。
   
                        next octave 是由 first octave 降采样得到(如2
          
            尺度空间的所有取值,s为每组层数,一般为3~5

2、检测空间极值点
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值