文档介绍：Harris角点检测
特征提取
图像特征
局部特征
全局特征
方差...
颜色
直方图
局部特征最初的研究是从角点开始的
本质区别:特征提取的空间范围不同
边缘点
拐点...
角点
角点
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
角点检测
好的角点检测算法需具备以下几点:
检测出图像中“真实的角点”;
准确的定位功能;
很高的重复检测率(稳定性好);
具有对噪声的鲁棒性;
具有较高的计算效率;
Harris角点检测
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
灰度明显变化
Harris角点检测
高斯窗口
(x,y)移动(u,v)后的灰度值
(x,y)处的灰度值
将图像窗口平移[u,v]产生灰度变化E(u,v)
Harris角点检测
因为
所以
又
图像在x方向的曲率
图像在y方向的曲率
误差项
Harris角点检测
其中M是 22 矩阵,可由图像的导数求得:
于是对于局部微小的移动量[u,v],可以近似得到下面的表达:
对于矩阵M,将其对角化后,特征值λ1、λ2分别代表了x和y方向的灰度变化率。
Harris角点检测
“Edge” 1 >> 2
2
1
"Edge" 2 >> 1
"Corner" 1 和2 都较大且
数值相当1 ~ 2; 图像窗口在所有方向上
移动都产生明显灰度变化
"Edge" 1 >> 2
"Flat"
如果1 和2 都很小,
图像窗口在所有方向上
移动都无明显灰度变化
通过M的两个特征值的
大小对图像点进行分类:
Harris角点检测
定义角点响应函数R
(k – empirical constant, k = -)