- sift,surf在对图像进行处理的过程中,都把图像转换为了灰度图像进行处理,会丢失颜色信息。
- 特征的特点:
- 最有区分度,最有代表性的应该尽可能减少冗余的信息。
- 尽可能的稳定和鲁棒:对于同样的物体,当加入噪声或对图像进行旋转、尺度变换后,这个变量的值应该是尽可能不变的。
- 评价一个描述子是否鲁棒:看图像被加入噪声后,形成的描述子是否依然稳定(即特征的各维是否不发生变化)。
- 常使用的噪声:
- 灰度上尺度的变化:乘上一个矩阵(矩阵元素数值相同)
- 灰度产生增量(即混入白光):加上一个矩阵(矩阵元素数值相同)
- 同时发生尺度和增量变化(矩阵元素数值相同)
- 各颜色分量发生不同尺度的变化:(矩阵元素数值不同)
- 各分量发生完全不同的变化:(矩阵元素数值不同)
- SIFT和SURF对噪声1-3具有不变性,原因:
- 采用梯度的直方图
- RGB的线性变化不影响梯度的方向
- 最终都对描述子向量做了归一化,解决了灰度的尺度变化。
- 颜色特征:
- RGB histogram:不具有不变性
- Hue histogram:对灰度的尺度变化和增量变化具有不变性,即HSV颜色空间对于RGB颜色空间具有一定优势。
- transformed colorhistogram:对rgb三个通道分别做归一化:通过减去均值抵消各通道的valueshift,通过除以方差抵消各通道的value scale change。(均值和方差以待统计的块为单位进行计算。)归一化后的直方图对于颜色变化和shift具有不变性。
- 将上方提到的颜色特征考虑到sift/surf:传统的SIFT/SURF描述子是对单通道进行统计的,当需要对颜色特征进行统计时,需要对多个通道分别计算描述子,最后形成一个多维的特征作为颜色描述子。