雙目立體視覺(jué)ppt課件-wenkub
2023-01-29 10:48:56 本頁(yè)面
【正文】 有不確定性，并導(dǎo)致產(chǎn)生誤匹配。,(),(yxNyxyxyxCyxS????? ???否則如果0),(),(),( 000000GyxSyxSGyxR26 2) SUSAN邊緣檢測(cè) 邊緣方向的確定 根據(jù)非零強(qiáng)度的象素確定邊緣的方向 ? 點(diǎn) A和 B都是標(biāo)準(zhǔn)的邊緣點(diǎn)，各落在邊緣的一邊 從 USAN重心到模板核的矢量與邊緣局部方向垂直 S e c t i on of i m a g eP os i t i o n o f e dg eABCA B C27 2) SUSAN邊緣檢測(cè) 邊緣方向的確定 根據(jù)非零強(qiáng)度的象素確定邊緣的方向 ? 點(diǎn) C落在兩個(gè)邊緣的中間 USAN是沿邊緣方向的細(xì)條，找最長(zhǎng)的對(duì)稱(chēng)軸 S e c t i on of i m a g eP os i t i o n o f e dg eABCA B C28 2 ) SUSAN邊緣檢測(cè) 特點(diǎn) ? 有噪聲時(shí)的性能較好 ? 不需要計(jì)算微分 ? 對(duì)面積計(jì)算中的各個(gè)值求和（積分） ? 非線(xiàn)性響應(yīng)特點(diǎn) ? 易自動(dòng)化實(shí)現(xiàn) ? 控制參數(shù)的選擇簡(jiǎn)單 ? 參數(shù)的 任意性較小 29 ? Harris角點(diǎn)檢測(cè)算子是 Moravec角點(diǎn)檢測(cè)算子的改進(jìn) . ? Harris算子用高斯函數(shù)代替二值窗口函數(shù) ,對(duì)離中心點(diǎn)越近的像素賦于越大的權(quán)重，以減少噪聲影響。 31 2 Harris角點(diǎn)檢測(cè)算法的步驟： ? 2.）為每一個(gè)點(diǎn)計(jì)算局部自相關(guān)矩陣 ? u(x,y) = [Ix(x,y)^2*W Iy(x,y)Ix(x,y)*W。如果 u的某個(gè)特征值一個(gè)大一個(gè)小，則是線(xiàn)，如果兩個(gè)都很大，那么就說(shuō)明這是個(gè)角點(diǎn)。 34 3 SIFT尺度不變特征提取： ? 2022年， David. Lowe總結(jié)了已有基于不變量技術(shù)的特征檢測(cè)方法，正式提出了一種基于尺度空間的，對(duì)圖像平移、旋轉(zhuǎn)、縮放、甚至仿射變換保持不變性的圖像局部特征， 35 ： ? 1） 尺度空間極值檢測(cè) 特征點(diǎn)，在 1999年提出利用不同尺度的高斯差分方程同圖像進(jìn)行卷積，求取尺度空間極值，即 D(x,y,σ)=(G(x,y,kσ)G(x,y,σ))*I(x,y)=L(x,y,kσ)L(x,y,σ) 36 3 SIFT尺度不變特征提取： ? 2）精確定位特征點(diǎn)的位置 當(dāng)然這樣產(chǎn)生的極值點(diǎn)并不都是穩(wěn)定的特征點(diǎn)，因?yàn)槟承O值點(diǎn)響應(yīng)較弱，而且 DOG算子會(huì)產(chǎn)生較強(qiáng)的邊緣響應(yīng)。梯度直方圖的范圍是0176。梯度方向直方圖的峰值則代表了該特征點(diǎn)處鄰域梯度的主方向，即作為該特征點(diǎn)的主方向。 1）灰度差的平方和 ? ???????????????10102)],(),([),(nymxyyxxIyxTyxS41 基本方法 2）歸一化的灰度差的平方和 3）灰度互相關(guān) ? ? ? ?? ?????????????????????????????????101010102210102),(),()],(),([),(nymxnymxnymxyyxxIyxTyyxxIyxTyxS? ??????????????1010)],(),(),(nymxyyxxIyxTyxS42 ? ； 基本方法 43 基本方法 ),() 39。定義 C(PR, QR)為 PR和
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1