影象特徵與描述(2)
阿新 • • 發佈:2018-11-01
影象特徵與描述(2)
- 1、Haar-like特徵的快速計算: 積分圖
- 2、區域性特徵: SURF
- 3、ORB特徵描述
- 4、BRIEF
- 5、ORB對BRIEF的改進
- 6、其他特徵提取-LBP
- 7、其他特徵提取-Gabor
- 8、程式碼實現
引言
筆記總結。
1、Haar-like特徵的快速計算: 積分圖
- Haar-like特徵分為: 邊緣特徵、 線性特徵、中心特徵和對角線特徵, 這些特徵組合成特徵模板。
- 特徵模板內有白色和黑色兩種矩形, 並定義該模板的特徵值為白色矩形畫素和減去黑色矩形畫素和。
- Haar特徵值反映了影象的灰度變化情況。
2、區域性特徵: SURF
- 運算元是 等人在2006年提出的, 它是對SIFT的改進, 可將速度提高3倍。
-
主要是把
中的某些運算作了簡化。
- 把 中的高斯二階微分的模板進行了簡化, 使得卷積平滑操作僅需要轉換成加減運算。
- 在方向確定階段, 在圓形區域計算 方向的 小波響應, 找到模最大的扇形方向。
- 為了找出影象中的特徵點, 需要對原圖進行變換, 變換圖就是原圖每個畫素的Hessian矩陣行列式的近似值構成的。
- 求 時要先高斯平滑, 然後求二階導數,這對於離散的畫素點而言, 是用模板卷積形成的, 這兩種操作合在一起用一個 模板代替就可以了.
- 為了保證旋轉不變性, 在SURF中, 統計特徵點領域內的Haar小波特徵。
- 即以特徵點為中心, 計算半徑為6s(s為特徵點所在的尺度值)的鄰域內, 統計60度扇形內所有點在x(水平)和y(垂直)方向的Haar小波響應總和。
- 然後60度扇形以一定間隔進行旋轉, 最後將最大值那個扇形的方向作為該特徵點的主方向。
3、ORB特徵描述
SIFT與SURF計算複雜, 難以用於實時性特徵檢測, 更何況SIFT與SURF以前還是收費的……ORB特徵基於FAST角點的特徵點檢測與BRIEF特徵描述技術。FAST核心思想就是找出那些卓爾不群的點,即拿一個點跟它周圍的點比較,如果它和其中大部分的點都不一樣就可以認為它是一個特徵點。
ORB的基本思路:
- 它是對FAST角點與BRIEF特徵描述子的一種結合與改進。
- FAST角點檢測的缺點是:
- 缺乏尺度不變性的;
- 可以通過構建高斯金字塔, 然後在每一層金字塔影象上檢測角點, 來實現尺度不變性;
- BRIEF的缺點是
- 缺乏旋轉不變性的;
- 需要給BRIEF加上旋轉不變性。
4、BRIEF
BRIEF演算法的核心思想是在關鍵點P的周圍以一定模式選取N個點對,把這N個點對的比較結果組合起來作為描述子。 BRIEF需要先平滑影象, 然後在特徵點周圍選擇一個Patch, 在這個Patch內通過一種選定的方法來挑選出來
個點對。 比較點對中兩點畫素的大小, 進行如下賦值.具體來講分為以下幾步。
1.以關鍵點P為圓心,以d為半徑做圓O。
2.在圓O內某一模式選取N個點對。這裡為方便說明,N=4,實際應用中N可以取512.
假設當前選取的4個點對如上圖所示分別標記為:
3.定義操作
4.分別對已選取的點對進行
操作,將得到的結果進行組合。
假如:
則最終的描述子為:
- 所有nd個點對, 都進行比較之間, 我們就生成了一個nd長的二進位制串。
- 點對的生成方式(共有5種)
- 1、 X和Y都服從在 範圍內的均勻分佈,且相互獨立;
- 2、 X和Y都服從均值為0, 方差為 的高斯分 布, 且相互獨立, 即 和 都以原點為中心, 進行同方差的高斯分佈;
5、ORB對BRIEF的改進
- ORB在計算BRIEF描述子時建立的座標系是以關鍵點為圓心, 以關鍵點和取點區域的形心(圓形) 的連線為X軸建立座標系。
- 計算形心時, 圓形區域上每個點的“質量” 是其對應的畫素值。
在左圖中,
為關鍵點。圓內為取點區域,每個小格子代表一個畫素。現在我們把這塊圓心區域看做一塊木板,木板上每個點的質量等於其對應的畫素值。根據積分學的知識我們可以求出這個密度不均勻木板的質心
。計算公式如下。其中
為圓的半徑。