关于局部特征介绍

局部特征概念   

     所谓局部特征，顾名思义就是一些局部才会出现的特征，这个局部，就是指一些能够稳定出现并且具有良好的可区分性的一些点了。这样在物体不完全受到遮挡的情况下，一些局部特征依然稳定存在，以代表这个物体（甚至这幅图像），方便接下来的分析。

    我们可以看下面这个图，左边一列是完整图像，中间一列是一些角点（就是接下来我们要讲的局部特征），右边一列则是除去角点以外的线段。不知道你会不会也觉得你看中间一列的时候能更敏感地把他们想象成左边一列的原始物品呢？一方面说，如果我们用这些稳定出现的点来代替整幅图像，可以大大降低图像原有携带的大量信息，起到减少计算量的作用。另一方面，当物体受到干扰时，一些冗余的信息（比如颜色变化平缓的部分和直线）即使被遮挡了，我们依然能够从未被遮挡的特征点上还原重要的信息。

    把局部特征说的这么好听，你也许会问怎样的特征能够被当做局部特征点呢？我们不妨来看下面的这幅图：

    我们选择了3个部分：边缘的点、边缘的线、变化缓慢的天空，当我在左边的图像中选择哪个部分的时候，你最有可能从右边的图像中找到对应的部分来呢？很显然是边缘的点吧-------天空，那么多都是一样的；而边缘，一条直线往左看往右看都是差不多的，你让我选哪个点（这也叫做aperture problem）；而顶点相比之下更具有唯一性，所以局部特征最初的研究也就是从角点开始的（比如Harris Corner）。

好的特征应该具有以下几个特点：

• •     可重复性：不同图像相同的区域应该能被重复检测到，而且不受到旋转、模糊、光照等因素的影响；
  •   局部性：特征应该是局部的，从而减少被遮挡的可能性
  •     独特性：不同的检测子，应该可以被区分出来，而为了区分它们，应运而生的就是与检测对应的描述子了；
  •     数量性：检测到的特征数目一定要多，然后可以通过一个简单的阈值就可以调整；
  •     准确性：是在哪出现的，最好就在哪被找到；
  •     高效性：检测的效率越高越好。

以上6个性质中，可重复性是最重要的，关于可重复性，主要依赖两点：

         1：不变性，指局部特征不随图像大的变形而改变。

         2：鲁棒性，局部特征对于小的变形应该不敏感。

局部特征的应用

   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之间配准的应用中，例如二维图像中的物体识别，三维重建，运动跟踪和分割，机器人定位，图像拼接等。

   

参考文献及地址：

http://download.csdn.net/download/jiang1st2010/4343689  

http://blog.csdn.net/jiang1st2010/article/details/7621681  

http://www.sigvc.org/bbs/thread-165-1-1.html