基于曲率尺度空间的角点检测概要.pptxVIP

Curvature Scale Space Based Image Corner Detection;Corner detection is an important task in various machine vision and image processing systems. Applications include motion tracking, object recognition, and stereo matching. It is a fundamental problem and several different algorithms have been proposed. 角点是图像亮度发生剧烈变化或图像边缘曲线上曲率极大值的点。在实际地物中，存在大量道路和房屋的拐角“┐”、道路十字交岔口“X”、“+”等，这些地物体现在图像中，就是图像中得角点。 （书P45） 角点有两个版本的定义：一是角点可以是两个边缘的交点；二是角点是邻域内具有两个主方向的特征点。从20世纪70年代至今，许多学者对交点测试投入了大量的研究，因此也产生了很多角点检测算法。 这些算法大致可以分为三类： 基于模板的角点测试方法；（基于二值图像的角点检测） 基于边缘特征的角点测试方法；（基于轮廓曲线的角点检测） 基于亮度变化的角点测试方法。（基于灰度图像的角点检测） （书P37）;Propose the following criteria: All the true corners should be detected Corner points should be well localized No false corners should be detected Corner detector should be robust to noise Corner detector should be efficient;;;;;; There are local maxima on the evolved contours due to rounded corners. These can be removed by introducing a threshold value. The curvature of a sharp corner is higher than that of a rounded corner. There is one nal addition to the corner candidate declaration. Each local maximum of curvature is compared to its two neighboring local minima. The curvature of a corner point has to be 2 times higher than the curvature of a neighboring extremum. This is necessary since if the contour is continuous and round, the curvature values are well above the threshold value and false corners would be declared. 由于全部角点在演化的曲率下有局部最大值。这些可以从初始值开始移动。角度越尖锐，角点曲率就越大。对角点候选点有一个最后的增加量。每一个曲率局部最大值会和它相邻的两个局部最小值比较。一个角点曲率应该是相邻角点极值的两倍。这对曲率是连续且循环的是必要的，曲率值会大于初始值同时错误的角点候选点会被清除。;CSS corner detection method CSS角点检测方法;CSS角点检测的步骤;填补间隙并提取T形角点;CSS角点检测与跟踪;去除重复标记的角点;Experimental results and discussion 实验结果和分析; CSS角点检测方法只用了两个重要参数。对几乎所有的图片来说，实验显示，当 时效果最佳。初始阈值 由 值确定，且当 时，初始阈值可以定为0.03。其他 的值也是可行的。当一幅噪声很多的图片，可用 ，初始阈值 ，用 开始，完成从 到 ，得到最后 。最后的尺度 应该局部化到保证很好的局部性的尺度值。我们发现参数的准确性对结果并不敏感，同一个值在不同的测试图片如故意增加噪声的图像效果都不错。标记能在大