CS131学习笔记（lecture6）

讲义地址：http://vision.stanford.edu/teaching/cs131_fall1718/files/06_ransac.pdf
本节内容可以看作是一种“自顶向下的介绍”。

用于边缘检测的一种模型匹配方法: random sample Consensus (RANSAC)

算法source：https://dl.acm.org/citation.cfm?id=358692
一方面，随着模型复杂度（参数个数）的增加，使用Hough transform在参数空间中拟合出一个模型将变得越来越慢；另一方面，在一个点集中，模型外点（如噪点或缺失点）将造成大量的误导。所以，引入RANSAC作为一种更加高效地解决定位问题（location determination problem，LDP）的模型拟合算法。
RANSAC的直觉解释是：主要基于外点引入的model不会得到大量内点的支持。

RANSAC算法：

维护一个(n,k,t,d)四元组，直到完成迭代。
其中：

n-每拟合一个待测试模型M所需要的点的个数（直线通常为2，圆则是3）;
k-迭代次数；
t-判断一个点是否满足前述模型M（记为“好点”和“坏点”）的阈值（如距离）;
d-每次迭代中判定前述生成模型是“好的模型”所需要的“好点”个数。

在第k次迭代中：

随机均匀采样n个点；
由这n个点拟合出一个模型；
对于其他每一个点：用t筛选出“好点”
若得到至少d个“好点”，则用这至少d+n个点重新拟合模型M’,并计算拟合误差。

把这k次迭代中拟合误差最小的M’作为最终结果。

举个例子：

有一个点集

随机sample2个点

这两个点拟合出1条直线

根据t区分“好点”7个，“坏点”8个。基于这7个点重新拟合，计算拟合误差。

新一轮迭代，随机sample2个点。

11个“好点”，4个“坏点”。基于这11个点重新拟合，该模型的拟合误差最小。做为最终结果返回。

可行性分析
假设待处理的点集中，真实最优模型“好点”所占总的点数的比率为$w$，则采$n$个点都是“好点”（意味着此次迭代能拟合出一个好的模型）的概率是$w^n$(私以为此处应当采用排列组合的方法计算，而不是简单粗暴地用幂，不过原论文中是用b来代替这个数而已，一个轻微的放大不影响结果的收敛性)，$n$个点中存在“坏点”（意味着此次迭代不能拟合出一个好的模型）的概率是$1-w^n$（记为$1-b$）。计算迭代次数$k$的期望（$E(k)=\frac{1}{b}$）和标准差（$SD(k)=\frac{\sqrt{1-b}}{b}\approx \frac{1}{b}=E(k)$）
前面说了，RANSAC不仅仅用在拟合直线上，其可以拟合的对象在part 2中做了说明-——

局部不变特征（local invariant feature）

通过前面提到的cross-correlation等全局表示来实现图像匹配通常是不切实际的如：


而通过局部的、突出的特征对图片进行描述和匹配，这种方法具有更强的鲁棒性。其算法如下：

1.在两幅图中分别获得一些“关键点”（key point）；
2.在关键点周围定义一个“局部区域”（local region）
3.提取区域内容并归一化（如获得均值为0，方差为1 的像素直方图）
4.计算得到一个局部描述子（local descriptor）
5.从两幅图中匹配上述局部描述子

所以定义一个具有如下特征的、好的局部描述算法就很重要：

1.可重复性（repeatability）：对象在不同的视角、光照下应当可被检测及比较。换而言之，算法应当在不同的亮度、噪声和平滑等处理下具体有鲁棒性；
2.局部性（locality）：算法应当仅仅关注局部特性，以免受到遮挡部分的干扰；
3.数量（quantity）足够：要能获得足够多的特征来描述对象；
4.可分辨（distinctiveness）：不同的区域要有一定的结构，可以分辨；
5.效率（efficiency）：算法对新图片的实时执行效率应当有保证。

基于以上要求，本节介绍了Harris角检测器，在下一节又介绍了和尺度不变特征变换（SIFT）算法。

Harris角检测器

原文：A COMBINED CORNER AND EDGE DETECTOR// Chris Harris & Mike Stephens
如果像素周围不存在边，我们就认为这个点在一个区域的内部；如果像素周围只存在一个方向的边，我们就认为该点是在区域的边缘上；而如果一个像素周围存在多于一个方向的边，我们就认为该点是角点。对于图中的每一个像素$[x,y]$，首先获得方向$[u,v]$上的密度偏移量：$$E(u,v)=\sum _{x,y}w(x,y)[I(x+u,y+v)-I(x,y){]}^2$$其中$w(x,y)$是窗函数，可以把它理解为一个方形mask，用于筛选局部特征，在实际操作中通常用高斯平滑卷积的形式。$[I(x+u,y+v)-I(x,y){]}^2$用于提取给定方向的密度变化量，二次方的处理一方面是忽略方向的影响，另一方面是比绝对值的处理更加方便计算（可微）。

上式泰勒展开：
$$E(u,v)\approx [u,v]M\left[\begin{array}{c}u\\ v\end{array}\right]$$
其中：$$M=\sum _{x,y}w(x,y)\left[\begin{array}{cc}{I}_x{I}_x& I_x{I}_y\\ I_x{I}_y& I_y{I}_y\end{array}\right]=\left[\begin{array}{cc}\sum I_x{I}_x& \sum I_x{I}_y\\ \sum I_x{I}_y& \sum I_y{I}_y\end{array}\right]=\sum \left[\begin{array}{c}{I}_x\\ I_y\end{array}\right][I_x,I_y]$$

该像素点处的response即为$R[x,y]=det(M)-kTr(M{)}^2={\lambda }_1{\lambda }_2-k({\lambda }_1+{\lambda }_2{)}^2$，其中${\lambda }_1{\lambda }_2$是M的特征值，$\alpha$是0.04~0.06的常数修正因子。R>0时该点是角点，R<0时改点是边缘点。R在0附近时该点可认为是平面内的点。
一些思考：
该算法对于平移变换和旋转变换都是robust，但是尺度变换可能会造成误差，原因是算法中的窗函数具有局部性，在图像尺度变换后会改变这种局部特性。

由此，我们可以使用另外一种在尺度变换下依然保持高效的检测方法SIFT。