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
![](https://i-blog.csdnimg.cn/blog_migrate/45bd624b880dd875690606ad2f862381.png)
![](https://i-blog.csdnimg.cn/blog_migrate/9b096972d044220165e9b1195b0f9f29.png)
L(x,y,σ), σ= 1.6 a good tradeoff
![](https://i-blog.csdnimg.cn/blog_migrate/bd39bd7fddbbfc71a57bfad10af83f6f.png)
D(x,y,σ), σ= 1.6 a good tradeoff
![](https://i-blog.csdnimg.cn/blog_migrate/801c3db27441816946bb2723b1fa3791.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/5de88880c6d2f81a9ff666d644b35959.png)
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。
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。
![](https://i-blog.csdnimg.cn/blog_migrate/9734af5aa11c41ff9f9a8ac86f117be3.png)
next octave 是由 first octave 降采样得到(如2)
![](https://i-blog.csdnimg.cn/blog_migrate/48d52faaf293ee10e3c9674300d09b12.png)
![](https://i-blog.csdnimg.cn/blog_migrate/4aeca77000f62588de208aa82d873b59.png)
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
2、检测空间极值点