本文概述了低层次图像特征提取的方法，包括一阶和二阶边缘检测算子，如Sobel、Canny、Laplacian等，以及相位一致性检测。此外，还介绍了角点检测技术，如Trajkovic、Moravec和Harris检测器，以及尺度不变特征变换(SIFT)和加速稳健特征(SURF)。这些技术在计算机视觉和图像分析中用于识别图像中的关键特征。
背景引言
本节主要介绍提取低层次特征信息的方要方法。在有些情形下，这些信息对理解图是足够的。但是，低层次特征提取函数的目的通常是为更高级分析提供信息。用于边界，角点和运动提取的方法，非常具有Robustness以及性能特久所必备的特性。
基本概述
低层次特征是不需要任何形状/空间关系的信息就可以从图像中自动提取的基本特征，如：常用地阈值方法就是作为点处理的一种低层次特征提方式。所有低层次方法都可以应用于高层次特征提取，从而在图像中找到形状。众所周知，我们可以从漫画家所描绘的画像识别人，这就是我们了解的第一种低层次特征，称之"edge detection"。它的目的要是要制作一个线图。有些技术比较基础，有些技术比较先进，我们了解其中一些最受欢迎的方法。一阶检测算子相于一阶微分法，二阶边缘检测算子相当于高一阶微分处理。边缘检测的另一种形式称相位一致性(phase congruency).其次，我们也考虑到一下角点检测，检测线条因高曲率而急转折处的那些点，看作是局部特征提取
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
