特征提取 —Harris算子.ppt

汇报人:张琳基本概念及所需知识Harris算子程序设计及实验结果几何变化旋转相似(旋转+各向相同的尺度缩放)仿射(非各向相同的尺度缩放)适用于:物体局部为平面灰度变化仿射灰度变化(IaI+b)图像的点特征是许多计算机视觉算法的基础:使用特征点来代表图像的内容运动目标跟踪物体识别图像配准全景图像拼接三维重建特征点在许多文献中又被称为兴趣点(interestpoint)、角点(cornerpoint),对特征点目前还没有统一的定义,一般认为特征点产生于两条或多条相对直线交叉的区域。不同的检测方法对特征点有不同的定义。角点(cornerpoints):局部窗口沿各方向移动,均产生明显变化的点图像局部曲率突变的点典型的角点检测算法:Harris角点检测CSS角点检测一种好的局部特征应该具有以下性质:(1)可重复性:同一个物体或场景在不同的条件下(如视角、尺度发生变化),两幅图像中对应的特征越多越好。(2)独特性:特征的幅值模式需要呈现多样性,这样的特征才能被区分和匹配。(3)局部性:特征应该是局部的,从而减少被遮挡的可能性,并且允许用简单的模型来近似两幅图像间的几何和成像变形。(4)数量性:一般来说,检测到的特征数目一定要多,但是在图像检索中,特征太多,又会对检索的实时性造成一定影响。理想情况是检测到的特征数量在一个比较大的范围内,然后可以通过一个简单的预知就可以调整。而这个阈值的调整可以通过在检索系统中的实验得以确定。(5)准确性:得到的特征应该能够被精确定位,包括图像空间和尺度空间上的精确定位。(6)高效性:检测和描述的时间越短越好,以便用于后续的实时应用。这6条性质中,最重要的是可重复性。Moravec[44]于1977年提出Moravec角点算法,是最早提出的角点检测算法之一。该方法中,角点被定义为在各个方向(垂直、水平、对角线)都存在剧烈灰度变化的点从图像局部的小窗口观察图像特征角点定义窗口向任意方向的移动都导致图像灰度的明显变化平坦区域:任意方向移动,无灰度变化边缘:沿着边缘方向移动,无灰度变化角点:沿任意方向移动,明显灰度变化