特征提取

区域检测——Harris角点

对于图像处理时经常需要提取特征点分析图片结构,将照片进行拼接,实现全景拍摄,那么在照片特征点提取时所采用的具体算法是什么呢? 解决思路 提取特征点 匹配特征点 使用RANSAC方法将两张图片的对应的特征点转换的方式拟合出来,在对图片采用相同的转换方式进行转换,在进行拼接 特征点——Corner 好的特征点是什么样的? 可重复性:在一张图可以被观测到的,在其他同场景的图也可以被观测到 显著性:检测的特征点需要是在某一类图像中“独有的”,尽量剔除“普遍性”的点,目的是为了将不同类的图区分开 简洁和高效:尽可能的减少计算量,提高计算效率 局部性:匹配特征时要匹配特征点之间的相对关系,通过局部特征相对位置来判断是否为同一张图,来拟合转动镜头角度,图像位置 什么样的点满足条件 通过观察图片的特征,发现存在“角”的地方承载着更多的信息,角点是梯度在两个或以上方向上有变化的点。 Basic Idea 使用一个较小的窗口在图像上延各个方向滑动 不同的变化趋势显示了不同的特征 图像内部所在的窗口延各个方向都没有变化;边缘所在的窗口延边缘方向无变化;角点所在窗口会在各个方向上都有显著的变化 数学描述 $u$和$v$是平移量 求平移后的窗口与平移前的窗口的对应位置差的平方,再累加 乘上窗口权重,考虑每个点对窗口影响的不同程度,例如第二种的高斯函数权重,就是考虑中间的点的差值在整个窗口的影响度更大 二阶泰勒展开:为了能够直接观察到$E(u,v)$与$[u,v]$之间的联系 取$E(u,v)$在$(0,0)$的二阶展开作为近似解