Harris如何检测旋转变换下的可重复性

1.repeatability:是对特征点检测算法的评价指标。

即图片通过加噪，rotation,scale change,variation of illumination,viewpoint change,该特征点同样能够被告检测到，这就是一个robust的特征点检测算法。设n1,n2为在两幅图片中检测到的兴趣点数目，R为同时在两幅图片中出现的兴趣点数目。
repeatability=R/min(n1,n2)。由于检测方法具有某些不确定性，因此不能对兴趣点的位置要求太过精确，因此只要兴趣点出现在目标位置的一个领域中我们即认为，该兴趣点重复出现。
2.information content是对兴趣点描述子的评价指标
评价描述子的distinctiveness，即要求不同的兴趣点具有不同的描述子，如果不同的兴趣点具有相同或相似的描述子，那么在做匹配的时候就会出现问题，因为每个点都可以与它进行匹配。而如果描述子的分布比较分散，那么该描述子的performance将会更好。因此我们的目标即度量该描述子的信息量，在信息学中，通过正式来计算信息量：I=log(1/p)=-log§,如果p=1，那么事件必然发生，因此没有携带任何信息量，反之，如果p很小，说明该事件发生几率比较小，那么他携带的信息量大。通过熵计算平均信息量。

通过以下步骤计算描述子的信息量：

检测数据集中图片的兴趣点
通过某种特征提取方法提取特征点描述子
normalize描述子
将描述子通过某种方式划分为几个区域
计算每个区域的概率
计算熵，熵越大表示信息量越大
虽然现在有很多描述子，但这以上两种评价指标却是通用的。