《運(yùn)動(dòng)跟蹤角點(diǎn)檢測(cè)》ppt課件-預(yù)覽頁(yè)
【正文】 ),( ???????? jiFjiFjiFjiFR 再將圖像劃分為互不重疊的網(wǎng)格狀區(qū)域，在每一個(gè)區(qū)域中搜索出灰度變化特征值最大的點(diǎn)即為所要提取的特征點(diǎn)。 不同類(lèi)型的角點(diǎn) 什么是好的角點(diǎn)檢測(cè)算法？ ? 檢測(cè)出圖像中“真實(shí)的”角點(diǎn) ? 準(zhǔn)確的定位性能 ? 很高的重復(fù)檢測(cè)率（穩(wěn)定性好） ? 具有對(duì)噪聲的魯棒性 ? 具有較高的計(jì)算效率 ? 算法分類(lèi) ? 基于 灰度圖像 的角點(diǎn)檢測(cè) ? 基于梯度、基于模板、基于模板梯度組合 ? 基于 二值圖像 的角點(diǎn)檢測(cè) ? 基于輪廓曲線的角點(diǎn)檢測(cè) 角點(diǎn)檢測(cè) ? 基于模板的方法 ? 主要考慮像素領(lǐng)域點(diǎn)的灰度變化，即圖像亮度的變化，將與鄰點(diǎn)亮度對(duì)比足夠大的點(diǎn)定義為角點(diǎn) ? Moravec角點(diǎn)檢測(cè) ? SUSAN角點(diǎn)檢測(cè)算法 ? MIC角點(diǎn)檢測(cè)算法 ? Harris角點(diǎn)檢測(cè)算法 ? 1. Moravec角點(diǎn)檢測(cè) ? Moravec于 1977年提出了利用灰度方差提取點(diǎn)特征的算子。 ? ? 請(qǐng)大家觀看一個(gè)例子 運(yùn)動(dòng)目標(biāo)的表示方法 ? 基于點(diǎn)的跟蹤 ? 基于區(qū)域的跟蹤 ? 基于輪廓的跟蹤 ? 基于模型的跟蹤 由 簡(jiǎn) 到 繁 ? 采用上述的哪種方法來(lái)表示運(yùn)動(dòng)目標(biāo)和不同的應(yīng)用場(chǎng)合、運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)特性、以及對(duì)跟蹤算法的精度要求等密切相關(guān)。 ? 估計(jì)出運(yùn)動(dòng)目標(biāo)的某些運(yùn)動(dòng)參數(shù)（比如速度、加速度等）。 ? 在三維場(chǎng)景重建、運(yùn)動(dòng)估計(jì)、目標(biāo)跟蹤、目標(biāo)識(shí)別、圖像配準(zhǔn)與匹配等計(jì)算機(jī)視覺(jué)領(lǐng)域起著非常重要的作用。 設(shè) F(i,j)表示基準(zhǔn)圖像 ,選取一個(gè) 3 3的活動(dòng)窗口，對(duì)于每一象素點(diǎn) (i,j)，分別計(jì)算其在水平、垂直、左對(duì)角線和右對(duì)角線方向上與相鄰象素灰度值的差的平方和，并把其中最小值的稱為該象素點(diǎn)的灰度變化特征值，記為 O(i,j)。 a:核心點(diǎn)在角點(diǎn)上， USAN面積最小； b:在邊緣線上， USAN面積是最大面積的一半； c、 d：面積更大。 角點(diǎn)響應(yīng)函數(shù)（ CRF） 2 SUSAN角點(diǎn)檢測(cè) ? 實(shí)例：取圖像每 11 11領(lǐng)域范圍內(nèi)來(lái)搜索CRF為極大值的像素點(diǎn)，當(dāng)該 像素 點(diǎn) CRF數(shù)值大于控制閾值 thresh （取 13），則將該點(diǎn)標(biāo)記為角點(diǎn)。 ? 該算法使用一個(gè)圓形模板，計(jì)算任意一條直徑的 兩個(gè)端點(diǎn)與圓點(diǎn)（核心點(diǎn)）差的平方和，然后求其最小值，作為該點(diǎn)的反應(yīng)函數(shù)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1