图像特征与描述

图像特征与描述

1 颜色特征

量化颜色直方图
适用颜色空间：RGB、HSV等颜色空间
操作：颜色空间量化，单元由单元中心代表
统计落在量化单元上的像素数量

设想两幅图像的颜色直方图几乎相同，只是互相错开了一个bin，这时如果采用L1距离或者欧拉距离计算两者的相似度，会得到很小的相似度值。为了克服这个缺陷，需要考虑到相似但不相同的颜色之间的相似度∶
一种方法是采用二次式距离。
另一种方法是对颜色直方图事先进行平滑过滤，即每个bin中的像素对于相邻的几个bin也有贡献。

2 几何特征：边缘

**边缘：**像素明显变化的区域；具有丰富的语义信息；用于物体识别，几何、视角变换
**边缘定义：**像素值函数快速变化的区域->一阶导数的极值区域
**边缘提取：**先高斯去噪，再使用一阶导数获取极值，导数对噪声敏感。

边缘提取尺度问题
不同标准差的滤波；能捕捉到不同尺度的边缘

基于特征点的特征描述子
从不同的距离，不同的方向、角度，不同的光照条件下观察一个物体时，物体的大小，形状，明暗都会有所不同。但我们依然可以判断它是同一件物体。
理想的特征描述子应该具备这些性质。即，在大小、方向、明暗不同的图像中，同一特征点应具有足够相似的描述子，称之为描述子的可复现性。

3 几何特征：关键点

3.1 特征点/关键点

不同视角图片之间的映射
稳定局部特征点：可重复性、显著性；抗图片变换：外貌变换（亮度、光照），几何变换（平移、选择、尺度）

3.2 Harris角点

3.3 判断harris角点

图像中直线：一个特征值大，另一个特征值小。
图像中平面：两个特征值都小，且近似相等。
图像中角点：两个特征值都大，且近似相等。

4 FAST角点检测

FAST角点检测是一种的快速角点特征检测算法。
FAST角点定义为;若某像素点与其周围领域内足够多的像素点处于不同的区域，则该像素点可能为角点，也就是某些属性与众不同。
FAST特征点检测是对兴趣点所在圆周上的16个像素点进行判断，若判断后的当前中心像素点为暗或亮，将决定其是否为角点。

5 几何特征：斑点

6 局部特征：SIFT

6.1基于尺度空间不变的特征

●特点∶
● 具有良好的不变性
· 旋转、尺度缩放、平移、亮度变化、
·对视角变化、仿射变换和噪声也有一定程度的稳定性。
● 独特性好，信息量丰富
·适用于在海量特征数据库中进行快速、准确的匹配
● 多量性
· 即使少数物体也可以产生大量SIFT特征
● 计算快
· 经优化的SIFT匹配算法甚至可以达到实时性

6.2 SIFT特征计算步骤

●在DoG尺度空间中获取极值点，即关键点
· LoG尺度空间和DoG尺度空间
● 对关键点处理
· 位置插值（获得精确的关键点）
· 去除边缘点
●关键点的方向估计
● 关键点描述子的生成
· 区域坐标旋转
· 计算采样区域的直方图

SIFT-DoG空间极值点就是“关键点”
圆半径—>特征点尺度
圆心—>特征点坐标

6.3 SIFT-特征点方向估计