【局部特征】一、前言介绍

这个系列的blog主要是参考了 

王永明 王贵锦 编著的 《图像据不变性特征与描述》

用来记录学习进度和思考过程

=================================================================================================================割

1.常用术语

（1）.兴趣点，区域和局部特征

坦白地将，这三个词语具有相同的概念，只是出现或运用在不同的历史时期或应用之中。理想的局部特征就是一个点，一个只有空间位置而没有空间覆盖范围的像素点。在实际处理数字图像处理时，最小的单位是像素点。在数字图像处理的过程中，如果要定位某个像素点的话，必须分析这个像素的邻域，所以任何的局部特征都隐式的包括了一个空间覆盖范围。在三维空间或是相机校准的过程中，人们只关心局部特征的坐标（有时候会要求到亚像素级），在这种时候常常将局部特征为“兴趣点”。然而在更多的应用场合，不仅是“兴趣点”的空间位置，其邻域的形状和大小也常常被用来进行后面的局部特征检测盒匹配，这时候局部特征常常被称为“区域”

（2）.全局特征和局部特征

全局特征和局部特征最大的区别是特征抽取的空间范围的不同。全局特征是从整个图像中抽取的特征，而局部特征则是从图像中局部区域中抽取的特征。

在图像减速的邻域，许多的全局特征，像图像的颜色直方图，常常被用来描述图像的内容。只要人们感兴趣的是整个图像，不是图像中某个前景，这种颜色直方图就具有非常好的检索性能。然而，基于全局特征描述不适合应用于图像混叠和有遮挡的情况。

（3）.不变性和协变性

假定有一个函数f(自变量是x)和变换T，不变性或协变性指的就是f相对于变换T而言的。如果函数f满足f(T(x))=f(x),也就是作用在自变量上的变换并不改变函数的值。就称函数f具有T不变性。如果f和T满足交换律，也就是f(T(x)) =T(f(x)).则f对于变换T具有协变性。举个简单的例子，拍摄一个2维物体时，视频中这个物体的表面积（函数）具有平面二维旋转不变形。不管物体如何旋转，它的表面积是一样的。而如果摄像机作zoom变换，该2维物体在像平面上呈现同样的变化大小（放大或缩小），这时候其表面积对应zoom变换是协变的。

（4）.仿射变换

仿射变换指的是两个矢量之间的一个映射关系，具有下面的表达形式

T：x→Ax+b

式中，矩阵A表示缩放，旋转两种变换，矢量b表示平移变换

（5）.几何变形

主要包括五个部分：平移，Euclidean(平移+旋转)，相似(平移+旋转+放缩)，仿射变换，透视变换

 

2.局部特征的性质

局部特征一般包含图像中部分空间范围。与传统意义上的分割不同，局部特征的边界和图像内容（颜色或纹理）变化并没有直接的关系，例如颜色均一的的区域未必有局部特征覆盖，并且不同局部特征覆盖的区域可以相互有重叠的，在理想的情况下，人们总是期望局部特征对应的是刻苦按时接种物体的一部分，而在实际场合中是不现实的，这往往需要借助于图像处理中对高层场景的理解。

一种好的局部特征应该具有下面的性质：

a.可重复性：同一个物体/场景在不同的视角下，两幅图像中对应特征越多越好

b.独特性：特征的复制模式需要呈现多样性，这样特征才能被区分和匹配

c.局部性：特征应该是局部的，从而减少被遮挡的可能性，并且允许用简单的模型来近似(不同角度拍摄下)两幅图像间的几何和成像变形。

d.数量性：检测到的特征数目一定要多，即使是小的物体也有最后的特征。理想的情况是检测到的特征数量在一个比较大的范围内，然后可以通过一个简单的阈值就可以进行调整。特征的秘籍度最好能在一定程度上反映图像的内容。

e.准确性：得到的特征应该能被精确定位，这里定位不仅仅指的是在图像中空间位置，还包括该特征的尺度等

f.高效性：在图像中特征的检测时间效率越高越好，以便用于有实时要求的应用

 

在上面的性质中，最重要的是局部特征的可重复性，而对于可重复性，主要依赖如下两个方面的性质

①不变形：指的是局部特征不随着图像大的变形而发生改变。对于图像大的变形往往需要先对这些变形进行建模，然后在设计不受这些变形影响的特征检测算法

②鲁棒性：鲁棒性指的是局部特征对于小的变形应该不敏感。这类小的变形包括图像噪声，离散化效应、压缩、图像模糊。也包括数学建模引起的小的几何或成像形变等因素。

 

3.局部特征的应用

图像的局部特征原则上可以运用到任何有可能需要图像（或其中物体）间配准的应用中，例如，二维(2D)图像中的物体识别，三维(3D)重建，运动跟踪和分割，机器人定位和图像拼接等等。此外，全景图拼接也是局部特征应用的典型例子。