第四章 低级特征提取(4)定位特征提取:角点提取

第四章 低级特征提取(4)定位特征提取:角点提取

4.4 定位特征提取

4.4.1 检测图像曲率(即角点提取)

a. 在边缘对图像进行特征化的基础上,曲率进一对边缘进行特征化,通过角点对边缘曲线进行表征;
b. 曲率通常利用平面曲线的参数形式定义,参数化的轮廓表示为,
在这里插入图片描述
其中Ux=[1, 0],Uy=[0, 1],即将连续曲线描述为位置矢量组,t表示任意参数如时间;
位置矢量的变化采用v(t)的正切矢量函数计算,即
在这里插入图片描述
则点(x,y)处曲线的形状可以描述为模值-幅角形式;
曲线形状的描述
则曲率描述为沿方向φ(t)角度相对于弧长的变化,
曲率描述
其中φ(t)表示曲线正切角,φ=θ±90,θ=arctan⁡(Mx/My),即Prewitt算子梯度方向,;
c. 曲率实际上表达的是曲线上进行速度不变位移的方向变化,基于链式法则有
在这里插入图片描述
又,
在这里插入图片描述

曲率函数
即曲率函数,是平面曲线上曲率的标准计算方法;
d. 曲率的一个重要特征是,它将正切矢量的导数和法线矢量联系在一起,通过Serret-Frenet的简化方程在极坐标形式运算有
方向描述
表示v ̈(t)方向,κ(t)则对模值进行描述,且,
在这里插入图片描述
即对于曲线上的每一个点都有一对正交矢量n(t)和v ̇(t),且其模值通过曲率成正比关系;
e. Exp,
直线曲率函数不存在;
半径为r的园曲率为1/r;
对于离散图像数据,曲率的计算可以通过
(1)直接计算曲线上连续边缘像素的角方向差值计算
(2)通过图像的亮度变化计算曲率
(3)通过相关性计算;

4.4.1.2 计算边缘像素的差值

a. 该方法将曲率的导数计算近似为相邻像素的边缘方向差值,即有
边缘差值法
其中φi表示曲线段上一组像素的梯度方向;
因为边缘点是离散点,角度可以取8个值,所以计算的曲率参差不齐,通过计算目标点前后相邻n个像素的平均角方向的差值进行平滑处理有,
在这里插入图片描述
“应该注意到,如果通过边缘检测算子计算出角度,滤波方法也可以用来减少这个量化效果”
b. 相连接的边的确定可以利用Canny算子的滞后阈值处理,由存储相邻像素点改为存储边缘上连续像素的方向;用-1标记互相不连通的点,通过选取一个像素的位置及其相邻像素的方向可以计算相邻像素的位置,根据相邻像素的梯度方向差值可以计算曲率;
c. 该方法的结果并不十分可靠,它实际上是一阶边缘检测处理的改版,预先假定角点信息位于阈值数据范围内,而且检测过程中没有用到拐角结构;该方法的主要难点是角度的计算受到量化误差的影响,正确性有限;

4.4.1.3 通过亮度变化计算曲率(微分)

a. 将曲率看作图像亮度变化的一个函数,这个函数可以以离散图像的角变化量为基础;将图像点的方向表示为φ’(x,y),对边缘曲线可以利用一些点来近似局部,这些点在
在这里插入图片描述
所定义的参数线上,则曲率可以表示为
在这里插入图片描述
又,
在这里插入图片描述
根据梯度角的定义,得出线上各点的正切方向可以通过
在这里插入图片描述
易见,
在这里插入图片描述
则有
在这里插入图片描述
该等式定义的是一个沿边缘方向的前向曲率计算方法;同理可以得出后向微分(-φ’方向),
在这里插入图片描述
b. 上述方法是切线前后向微分的应用,此外还有基于法向前后向微分的计算方式,这些计算方式与实际的曲率定义不直接相关,因此作用作用和实际上是更直观地进行解释;对于宽直线需要考虑内外边界的梯度角差值,对连续条件不考虑该参数,但在离散条件下,正切角受到窗口大小而不同,随着曲率越大(相比线宽?)内外边界差值变大,梯度方向也会改变;如果沿法线方向进行微分,可以使总曲率达到最大,则
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
一般来说不同算法都是突出显示大曲率点,但不同的计算方法重视特征边界上具有不同性质的点,这类方法比简单的滞后阈值方法有更大的优势;但从图像直接检测曲率不是确定曲率并找到角点信息的完全可靠的方法,这在一定层度上是因为进行了高阶微分处理,并且没有考虑到尺度变化;

4.4.1.4 Moravec和Harris检测器

a. 考虑图像P自身在特定方向上的变化计算曲率,将窗口在几个不同方向上进行位移,对比亮度的平均变化(更直观了),即,对坐标(x,y),窗口宽度2ω+1,有
在这里插入图片描述
近似于方向(u,v)上的自相关函数,曲率可以通过四个主要(u,v)方[1,0]/[-1,0]/[0,1]/[0,-1]上的位移E所得到的的最小值来计算;该算子的依据是对于角点,窗口在任意方向的移动都会产生较大的差值,因此采用最小值可以判断该点是不是大曲率的角点;
b. 该方法的主要问题是只考虑一小组可能的位移,进一步构造Harris算子可以解决该问题,假设P(x+i,y+j)和P(x+i+u,y+j+v)确定矢量(u,v),对点之间图像函数的递增采用方向导数描述有
在这里插入图片描述
则有
在这里插入图片描述
根据其二次项展开式(u,v互不相关)
在这里插入图片描述
其中
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
计算曲率需要得到E取最小值对应的(u,v),基本方法是当窗口在边缘方向上进行位移时,找到其最小值,考虑到u=cos(φ),v=sin(φ);则曲率可以定义为
在这里插入图片描述
更加复杂的方式是考虑函数E的形式,即包含两个主轴的二次函数,旋转函数使其与标准坐标轴平行,则
在这里插入图片描述
αβ的的取值正比于主轴方向自相关函数,其取值状态仍然取决于边界状态,则
在这里插入图片描述
参数k用于控制检测算子的灵敏度;
也可以不对αβ进行计算,通过二次项系数进行描述,定义DT=[u,v],则E(u,v) (x,y)=DTMD,F(u,v) (x,y)=DT QD,其中
在这里插入图片描述
则F=(RD)T MRD=DT RT MRD,则Q=RT MR。表示Q是M的一个正交分解,考虑到R是旋转矩阵,则
αβ=AB-C2
根据相似矩阵的迹有
α+β=A+B
则κk (x,y)=AB-C2-k(A+B)2;
由于包含了第二项,该方法在低曲率和高曲率之间的对比度更大;

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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