角点检测特征提取

综述

  • corner point:角点,邻域各方向上灰度变化值足够高的点, 是图像边缘曲线上曲率极大值的点

分类

  • 基于灰度图像的角点检测

    • 基于梯度:计算边缘曲率判断角点
    • 基于模板:考虑像素邻域点的灰度变化,将领域点亮度对比 足够大的点定义为角点
    • 基于模板、梯度组合
  • 基于二值图像的角点检测:将二值图像作为单独的检测目标, 可使用各种基于灰度图像的角点检测方法

  • 基于轮廓曲线的角点检测:通过角点强度、曲线曲率提取角点

思想、步骤

  • 使用角点检测算子,对图像每个像素计算 cornner response function

    • $w(x,y)$:window function,窗口函数
    • $I(x,y)$:图像梯度
    • $E(x,y)$:角点响应函数,体现灰度变化剧烈程度,变化 程度剧烈则窗口中心就是角点
  • 阈值化角点响应函数值

    • 根据实际情况选择阈值$T$
    • 小于阈值$T$者设置为0
  • 在窗口范围内对角点响应函数值进行非极大值抑制

    • 窗口内非响应函数值极大像素点置0
  • 获取非零点作为角点

Moravec

todo

步骤

  • 取偏移量$(\Delta x, \Delta y)$为 $(1,0), (1,1), (0,1), (-1,1)$,分别计算每个像素点灰度 变化

  • 对每个像素点(x_i, y_i)$计算角点响应函数 $R(x) = min {E}$

  • 设定阈值$T$,小于阈值者置0

  • 进行非极大值抑制,选择非0点作为角点检测结果

特点

  • 二值窗口函数:角点响应函数不够光滑
  • 只在4个方向(偏移量)上计算灰度值变化:角点响应函数会在 多处都有较大响应值
  • 对每个点只考虑响应函数值最小值:算法对边缘敏感

Harris

Good Features to Track

Feature from Accelerated Segment Test

FAST:加速分割测试获得特征