基于特征匹配的算法(編輯修改稿)
2025-06-07 00:47 本頁面
【文章內(nèi)容簡介】 omputation in Gaussian scale pyramid ? LoG and DoG ? Zero crossings ? ―Mexican hat‖, ―Sombrero‖ ? Edge detector ! 0 :D o G0)()( :L o G21 ????????????IGIGDIGIGLLowe’s DoG keypoints [Lowe] Edge ? zerocrossing Blob at corresponding scale: local extremum ! Low contrast corner suppression: threshold Assess curvature ? distinguish corners from edges Keypoint detection: DDD DDyyxyxyxxD ofm a t r i x H e s s i a n ?????????HthDD ?HHd e ttra c e 2 尺度不變特征檢測 ? (4) The HarrisLaplacian Detector 1 初始化：多尺度下的 Harris角點檢測 2 基于 Laplacian的尺度選擇 Harris points HarrisLaplacian points 尺度不變特征檢測 ? (5) The HessianLaplace Detector 思想與 HarrisLaplacian Detector相同 圖： HessianLaplace算子應(yīng)用于具有尺度改變的影像結(jié)果 圖： HarrisLaplace算子在同一場景下不同尺度的兩幅影像上特征檢測結(jié)果，圓的半徑代表了特征尺度大小 ? 一 . 特征匹配過程 1 特征提取 Harris and Hessian Detector 尺度不變特征檢測 仿射不變特征檢測 特征提取總結(jié) 2 特征描述 3 特征匹配 ? 二 . SIFT算法 仿射不變特征檢測 ? Harris/Hessian Affine 給定一組由 HarrisLaplace算子得到其尺度特征的初始點，用橢圓形區(qū)域獲得仿射不變性。具體處理步驟如下： (1)由 HarrisLaplace算子獲得興趣點初始區(qū)域 (2)由二階矩矩陣估計區(qū)域仿射形狀 (3)歸一化仿射區(qū)域成為圓形區(qū)域 (4)在歸一化的影像上重新檢測新的位置和尺度 (5)如果二階矩矩陣的特征值在新的點上不相等，則轉(zhuǎn) (2) 圖：利用二階矩矩陣的特征值估計興趣點區(qū)域的仿射形狀，變換是用該矩陣的平方根進行的，經(jīng)過歸一化的圖像 XL和 XR之間的變換是旋轉(zhuǎn)變換關(guān)系，只取決于一個旋轉(zhuǎn)因子，因子大小代表了特征值的比率 圖： HarrisAffine算子檢測的 從不同視角得到的結(jié)果圖 圖： HessianAffine算子得到的不同視圖下的影像檢測結(jié)果 一 . 特征匹配過程 1 特征提取 Harris and Hessian Detector 尺度不變特征檢測 仿射不變特征檢測 特征提取總結(jié) 2 特征描述 3 特征匹配 二 . SIFT算法 Detector Illumination Rotation Scale Affine Harris corner Yes Yes No No DoG Yes Yes Yes No Harris_Laplacian Yes Yes Yes No Harris_Affine Yes Yes Yes Yes ? HarrisLaplace (HRL) scaleadapted Harris (rotation invariant) LaplacianofGaussian scalespace (scale invariant) detects cornerlike structures ? HessianLaplace (HSL) Hessian detector (rotation invariant) Laplacia
法律信息相關(guān)推薦
鄂ICP備17016276號-1