机器视觉_第5章-特征检测与匹配.pptx

特征提取与运动估计：5.特征检测与匹配

Hough变换与形状检测特征匹配角点检测总结

角点检测角点定义角点检测算法角点检测算法比较

1.1角点的定义Part14角点的定义角点是图像中某些特征比较突出的像素点。分为以下几种类型：灰度梯度最大值对应的像素点两条直线或曲线的交点一阶梯度值和梯度方向变化率最大的像素点一阶导数值最大但二阶导数值为0的像素点

1.2Harris角点检测Part15Harris角点是从像素值变化的角度定义的，像素值的局部峰值处就是Harris角点。Harris角点检测算法基本思想：选取一个固定的窗口在图像上以任意方向滑动，如果灰度都有较大的变化，那么就认为这个窗口内部存在角点。

1.2Harris角点检测Part16???

1.2Harris角点检测Part17??

1.2Harris角点检测Part18??

1.2Harris角点检测Part19?任何一个函数表达式，均可由泰勒公式进行展开。利用泰勒展开对窗口内的像素变化量进行转化，对灰度变化部分进行泰勒展开可得：

1.2Harris角点检测Part110?

1.2Harris角点检测Part111??

1.2Harris角点检测Part112??

1.2Harris角点检测Part113????

1.2Harris角点检测Part114Harris角点检测步骤：????

1.2Harris角点检测Part115Harris角点检测步骤：????如果需要再3*3或者5*5的领域进行非极大值抑制，则局部最大值点即为图像中的角点。

1.2Harris角点检测Part116Harris角点检测示例：原图归一化后的系数图像绘制Harris角点

1.3SIFT角点检测Part117尺度不变特征变换（Scale-InvariantFeatureTransform，SIFT）是一种经典特征检测算法。该算法在空间尺度中寻找角点，并提取对应的特征向量。SIFT算法将一幅图像映射（变换）为一个局部特征向量集；特征向量具有平移、缩放、旋转不变性，同时对光照变化、仿射及投影变换也有一定不变性。

1.3SIFT角点检测Part118SIFT角点检测步骤：1、构建尺度空间;2、DoG差分金字塔,对相邻两个尺度空间的图像进行相减;3、极值检测及特征点筛选，去除低响应特征点和不稳定的特征点;4、确定特征点主方向;5、生成特征点描述向量。

Part1191、构建尺度空间??1.3SIFT角点检测

Part1202、DoG差分金字塔?1.3SIFT角点检测

Part1213、极值检测及特征点筛选为了寻找尺度空间的极值点，每一个像素点都要同其同一尺度空间和相邻的尺度空间的所有相邻点进行比较，以确保在尺度空间和二维图像空间都检测到极值点。一个像素点如果比所有相邻点都大或小，就认为该点是图像在该尺度下的一个特征点。通过极值比较得到的DoG图像局部极值点是在离散空间搜索得到的，离散空间的极值点并不是真正的极值点，还需要进一步去除低响应特征点和不稳定的特征点。1.3SIFT角点检测

Part122??①对尺度空间DoG函数曲线拟合以精确确定关键点的位置和尺度；1.3SIFT角点检测

Part123?1.3SIFT角点检测求导并令其为0，得到?②在已检测到的特征点中去除低对比度与不稳定的特征点；

Part124③消除边缘响应：通过利用特征点处的Hessian矩阵；1.3SIFT角点检测???

Part1251.3SIFT角点检测??

Part1264、确定特征点主方向?1.3SIFT角点检测??

Part127在得到特征点的梯度分布特征后，使用直方图统计领域内像素的梯度和方向。直方图的峰值方向代表了特征点的主方向。1.3SIFT角点检测

Part128为了增强特征点近的邻域点对关键点方向的作用并减少突变的作用，可以使用高斯函数对直方图进行平滑操作。同时为了得到更精确的方向，还可以对离散的梯度直方图进行插值拟合。除将直方图中最大值所在的方向作为该特征点的主方向外，为了增强匹配的鲁棒性，保留峰值大于主方向峰值80％的方向作为该特征点的辅方向。1.3SIFT角点检测

Part1295、生成特征点描述向量1.3SIFT角点检测描述子应不随周围环境的变化而变化，同时具有较高的独立性，以保证匹配率，其生成有以下三个步骤：（1）校正旋转主方向，确保旋转不变性；（2）生成128维的特征向量；（3）归一化处理与门限值处理。

Part1301.3SIFT角点检测（1）校正旋转主方向，确保旋转不变性；为了保证特征向量的旋转不变性，要将坐标轴旋转为特征点的主方向，旋转后邻域内像素的新坐标为：?其中，?