参考文章:Freak特征提取算法  圆形区域分割

一、Brisk特征的计算过程(参考对比):

1.建立尺度空间:产生8层Octive层。

2.特征点检测:对这8张图进行FAST9-16角点检测,得到具有角点信息的8张图,对原图像img进行一次FAST5-8角点检测(当做d(-1)层,虚拟层),总共会得到9幅有角点信息的图像。

3.非极大值抑制

4.亚像素插值:进过上面步骤,得到了图像特征点的位置和尺度,在极值点所在层及其上下层所对应的位置,对FAST得分值(共3个)进行二维二次函数插值(x、y方向),得到真正意义上的得分极值点及其精确的坐标位置(作为特征点位置);再对尺度方向进行一维插值,得到极值点所对应的尺度(作为特征点尺度)。

5.特征点描述:使用如下图的砖块模式

5.1 通过计算局部梯度来计算主方向

5.2 根据主方向进行旋转,得到,512Bit的二进制编码,也就是64个字节(BRISK64)的Brisk特征。

二、FRESK特征的计算过程

步骤5之处,采样模式发生了变化,如下图:

从图中可以看出,该结构是由很多大小不同并有重叠的圆构成,最中心的点是特征点,其它圆心是采样点,采样点离特征点的距离越远,采样点圆的半径越大,也表示该圆内的高斯函数半径越大。

特点:

由于FREAK描述符自身的圆形对称采样结构使其具有旋转不变性,采样的位置好半径随着尺度的变化使其具有尺度不变性,对每个采样点进行高斯模糊,也具有一定的抗噪性能,像素点的强度对比生成二进制描述子使其具有光照不变性。因此由上述产生的二进制描述子可以用来进行特征匹配。在匹配之前,再补充一下特征点的方向信息。

三、OpenCV使用Freak描述子

参考一个Freak与ORB的对比评测:http://blog.csdn.net/yang_xian521/article/details/7732835

关于主方向的确定和匹配模式,请参考原文:特征检测Freak检测算法。

参考资料:FREAK原始论文《FREAK: Fast Retina Keypoint》

图像局部显著性—点特征(FREAK)相关推荐

  1. 图像局部显著性—点特征(SIFT为例)

    基于古老的Marr视觉理论,视觉识别和场景重建的基础即第一阶段为局部显著性探测.探测到的主要特征为直觉上可刺激底层视觉的局部显著性--特征点.特征线.特征块. SalientDetection 已经好 ...

  2. 图像局部显著性—点特征(GLOH)

    基于古老的Marr视觉理论,视觉识别和场景重建的基础即第一阶段为局部显著性探测.探测到的主要特征为直觉上可刺激底层视觉的局部显著性--特征点.特征线.特征块. 相关介绍:局部特征显著性-点特征(SIF ...

  3. 图像局部显著性—点特征(Fast)

    fast作为几乎最快的角点检测算法,一般说明不附带描述子.参考综述:图像的显著性检测--点特征 详细内容,请拜访原=文章:Fast特征点检测算法 在局部特征点检测快速发展的时候,人们对于特征的认识也越 ...

  4. 图像局部显著性—点特征(SURF)

    1999年的SIFT(ICCV 1999,并改进发表于IJCV 2004,本文描述):参考描述:图像特征点描述. 参考原文:SURF特征提取分析 本文有大量删除,如有疑义,请参考原文. SURF对SI ...

  5. 图像局部显著性—线特征

    线检测--快速几何形状检测 参考: [OpenCV入门指南]第七篇 线段检测与圆检测 (一).边缘检测 一维显著特征常见表示为边缘.边缘检测的预处理常用 高斯模糊:主要数学运算为计算一阶和二阶导数,寻 ...

  6. 图像局部显著性—点特征(SiftGPU)

    SIFT的计算复杂度较高. SiftGpu的主页:SiftGPU: A GPU Implementation of ScaleInvariant Feature Transform (SIFT) 对S ...

  7. 四种简单的图像显著性区域特征提取方法-----AC/HC/LC/FT。

    四种简单的图像显著性区域特征提取方法-----> AC/HC/LC/FT. 分类: 图像处理 2014-08-03 12:40 4088人阅读 评论(4) 收藏 举报 salient regio ...

  8. 四种比较简单的图像显著性区域特征提取方法原理及实现

    四种比较简单的图像显著性区域特征提取方法原理及实现-----> AC/HC/LC/FT. laviewpbt  2014.8.4 编辑 Email:laviewpbt@sina.com   QQ ...

  9. 四种简单的图像显著性区域特征提取方法----- AC/HC/LC/FT。

    四种简单的图像显著性区域特征提取方法-----> AC/HC/LC/FT. 分类: 图像处理 2014-08-03 12:40 4088人阅读 评论(4) 收藏 举报 salient regio ...

最新文章

  1. 有史以来的第一个脚本 找出三个数的最大数字
  2. 李飞飞获全球最权威女性领导力奖 Athena Award,讲述推动AI多元化三大原因(视频)...
  3. struts+hibernate 分页
  4. vue-cli2.0创建项目步骤
  5. 多个iframe加载遇到的问题
  6. Android访问WCF服务(使用json实现参数传递)
  7. matlab中表示拉普拉斯分布_深度优化局部拉普拉斯金字塔滤波器。
  8. 微型计算机接口与技术的交通灯,微机原理及接口技术课程设计交通灯
  9. jssdk信息验证失败_阿里云环境中TLS/SSL握手失败的场景分析
  10. 一些Layout的坑
  11. golang实现AES ECB模式的加密和解密
  12. 数据挖掘你真的了解吗?
  13. Unity3D Timeline 工作流
  14. Centos 修改主机名称
  15. QQ空间无法点赞或者QQ空间点赞被取消
  16. node.js(二 --- events 、buffer、)
  17. 支付宝移动支付开发错误集锦
  18. K、KB、M、MB、G、GB 、TB
  19. strcmp, strncmp和memcmp的区别
  20. Nginx域名配置详细介绍

热门文章

  1. 将shell命令结果直接输出到HDFS上
  2. python字符串讲解
  3. Linux 文件和目录的属性
  4. 活用变量字符串${var%%.*}
  5. CSS3 - 清除浮动
  6. 基于Http替补新闻WebService数据交换
  7. xmpp整理笔记:xmppFramework框架的导入和介绍
  8. 6/7 SELECT语句:过滤(正则表达式REGEXP)
  9. STL——萃取机制(Traits)
  10. OO Unit 3 JML