基于Harris的特征检测与匹配

<span style="font-size:10px; font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255); font-weight: normal;">之前在斯坦福的机器视觉算法与应用课程上学了一些东西，并用matlab编程实现，没来得及整理，现在把它整理一下，出来的效果可能不太完善，这有待后续的研究与改进。</span>

一.特征检测（提取）

        基于特征的图像配准方法是图像配准中最常见的方法之一。它不是直接利用图像像素值，二十通过像素值导出的符号特征（如特征点、特征线、特征区域）来实现图像配准，因此可以克服利用灰度信息进行图像配准的缺点，主要体现在以下三个方面：（1）利用特征点而不是图像灰度信息，大大减少了在匹配过程中的计算量；（2）特征点的匹配度量值相对位置变化比较敏感，可以提高匹配的精度；（3）特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。

       一类重要的点特征：角点（corner points），其定义主要有以下：

1.  局部窗口沿各方向移动，灰度均产生明显变化的点      
2. 图像局部曲率突变的点
3. 典型的角点检测算法：Harris角点检测、CSS角点检测
4. Harris角点检测基本思想
   从图像局部的小窗口观察图像特征，角点定义：窗口向任意方向的移动都导致图像灰度的明显变化（如下图）

Harris检测：数学表达

将图像窗口平移[u,v]产生灰度变化E(u,v)

由泰勒展开，得：