图像采集及处理-C9-R.pdfVIP

图像采集与处理 视觉特征的提取与表达(2) 尺度不变性 2012-10-30 上节课回顾：兴趣点 兴趣点(Interest Point)特征：是一种局部的图像结构，由一组 在灰度上存在较大变化的像素组成。它们是局部特征(Local Features)的一种。 角点：是指图像（灰度）内容在两个方向都存在较大变化的 点。它是一种局部特征，是兴趣点的一种。 兴趣点的作用： 1. 内容相似的两幅图像之间的几何转换估计：通过两幅图像 之间相似兴趣点的匹配，建立点与点之间的响应，从而估计 几何转换的参数。该应用还可以扩展到运动分析、立体视 觉、摄像机标定、图像拼接等领域。 2. 物体识别：通过匹配测试图像中物体的兴趣点和数据库中 所有物体的兴趣点，建立点与点之间的响应，从而积累可信 度，最终识别出该测试物体是数据库中的哪种物体。 上节课回顾：Harris角点检测 Harris角点检测的缺点： 1. 响应函数R(A)的变化范围太大，不同图像的，可能跨 越好几个数量级，因此很难设定一个固定的阈值来实现 角点的定位。 改进的办法：设置一个新的响应函数R’(A)： ′ det[ ( , A)]x y R [A x( ,y )] trace A x[ y( , )] 2. 特征表达只有位置信息，没有其它描述信息，直接用 来进行物体识别、图像匹配等任务的效果有限。 改进思路：根据角点所在邻域内的图像内容，构建一个 局部描述(local description)。 上节课回顾：Harris角点检测 3. 鲁棒性：如果内容相近的两幅图像，存在较大范围的几何变换时， 包括尺度变化、旋转变化、视角变换、光照变化等，Harris算子的鲁 棒性不高，即Harris算子在两幅图像中检测到的有些角点不一致。 改进思路：增强不变性。兴趣点的提取及其描述不能依赖于视角条 件，即具有在各种空间变换下的不变性。 视觉特征的提取与表达 兴趣点的特性与内容 图像的多尺度表达 尺度不变性 SIFT特征提取 提取兴趣点的影响因素 由于存在空间变换、光照变化、噪声等因素的影响，尽管两幅 图像的内容相似，如何在它们内部提取兴趣点，从而实现两幅 图像兴趣点之间的匹配，仍是一个棘手的问题。 通常用仿射变换(affine transformation)来描述线性空间变换。 它包括平移(translation)、旋转(rotation)、尺度变化(scaling)、 剪切变换(sheer mapping)等。 兴趣点的特性 兴趣点特征应该具备的特性： 1. 对于旋转、平移、透视扭曲(distortion)等变换的不变 性，称为affine invariance 。 2. 对于尺度变化的不变性，称为scale invariance 。 3. 对于光照等变化的不变性。 4. 对于噪声干扰的不变性。 不变性：两幅图像的内容相似，但它们之间存在着放射 变换、尺度变化、光照变化等，因此两幅图像中提取出 来的一些特征点应该具备一定相似性，即在一幅图像中 提取出来的部分特征点可以和另一幅图像中提取出来的 特征点匹配。 兴趣点的内容 为了实现物体识别和图像匹配等任务，兴趣点的特征表达 应该包含如下内容： 1. 兴趣点的位置 2. 兴趣点所在的尺度（决定了兴趣点邻域的大小） 3. 兴趣点所在邻域的内容表达 尺度不变性是兴趣点特征提取中的难点，以下将会给出提 取具有尺度不变性特征的基本原理。 视觉特征的提取与表达 兴趣点的特性与内容 图像的多尺度表达 尺度不变性 SIFT特征提取 尺度的概念 尺度(scale)：它是一种测量标准，该标准决定了一个测 量单位所能代表的信号尺寸。 对于图像信号而言，尺度决定了在一个观测方式下得到 的图像中，一个像素所代表的物体大小。 尺度与分辨率的概念很接近。但是，尺度是针对人的观 测方式而言，是由观测者