对特征点、特征描述(Feature Desctiptor)、特征
2018-08-31 本文已影响3人
滴水穿石z
最终的目标是判断两张图片是不是同一张图
一般都会想到找出图中比较显著的特征来比较,如果所有的特征都很相似,那么大概率上两张图片是同一图片。
1、找出特征显著的内容(Feature Detect)
2、描述特征(Feature Descriptor)
3、比较两个描述的相似程度来判断是否为同一特征(Feature Match)
至于旋转不变性和尺度不变性等,需要再描述特征前,将图像变换到同一方向和同一尺度上,然后在规定好的这个同一标准上来描述特征即可做到尺度不变和旋转不变性。
SIFT | SURF | BRIEF | ORB | BRISK | |
---|---|---|---|---|---|
特征查找 | DoG的最值点位置在通过二次拟合来确定位置 | Hessian矩阵的行列式最值 | 无 | 使用FAST提点,使用Harris Corner去除非角点 | 使用FAST或AGAST提点 |
确定方向 | 特征邻域的梯度直方图的最值方向 | 特征邻域对Haar wavelet的最大响应方向 | 无 | 使用Intensity centroid方法来确定方向 | 使用邻域随机抽样点对,对远点对做梯度确定方向 |
确定尺度 | 通过建立确定尺度空间,尺度空间中DoG最值所在尺度为特征尺度 | 尺度空间中Hessian矩阵行列式最值所在尺度 | 无 | 无 | 尺度空间中FAST提点最显著的尺度 |
描述方法 | 在特征周围取一个region,分成4*4的sub-region,对每个sub-region使用八方向的梯度表示,总共128维 | 在特征周围取一个region, 分成4*4的sub-region,对每个sub-region计算 haar wavelet响应,分别取x方向响应和,x方向响应绝对值之和,y方向响应和,y方向绝对值之和四个值描述,总共64维 |
在特征点周围随机抽取随机点对, 比较两个点的像素强度,根据结果的大小记为1或0,取256组组成256位的二进制字符串 |
通过贪心方法抽取符合正态分布的随机点对,其他同BRIEF | 使用短距离点对进行强度匹配,组成512位的二进制字符串 |