一.特征检测（提取）

基于特征的图像配准方法是图像配准中最常见的方法之一。它不是直接利用图像像素值，二十通过像素值导出的符号特征（如特征点、特征线、特征区域）来实现图像配准，因此可以克服利用灰度信息进行图像配准的缺点，主要体现在以下三个方面：（1）利用特征点而不是图像灰度信息，大大减少了在匹配过程中的计算量；（2）特征点的匹配度量值相对位置变化比较敏感，可以提高匹配的精度；（3）特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。

一类重要的点特征：角点（corner points），其定义主要有以下：

局部窗口沿各方向移动，灰度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
Harris角点检测基本思想
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（如下图）

Harris检测：数学表达

将图像窗口平移[u,v]产生灰度变化E(u,v)

由泰勒展开，得：

利用角点响应函数：

判断特征点是否为角点的依据：R只与M值有关，R为大数值正数时特征点为角点，R为大数值负数时为边缘，R为小数值时为平坦区，如下图：

寻找R位于一定阈值之上的局部最大值，去除伪角点。

Harris角点检测流程：
1.通过高斯函数的导数对原始图像进行卷积计算；图像在水平方向和垂直方向的导数Ix和Iy；
2.计算对应这些梯度外积即（Ix2 、Iy2、IxIy）三个图像如下图：
4.使用高斯函数对以上图像进行卷积滤波；
3.使用前面的公式计算角点响应函数R值；
5.对计算到的角点图像进行局部极大值抑制。

二、特征描述

在检测到特征（关键点）之后，我们必须匹配它们，也就是说，我们必须确定哪些特征来自于不同图像中的对应位置。物体识别的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的图像相匹配。而为了进行匹配，我们首先要合理的表示图像。

SIFT（Scale invariant feature transform）特征通过计算检测到的关键点周围16x16窗口内每一个像素的梯度得到。在这里我只是简单的实现类似于SIFT特征描述子的特征描述方法，即我通过每4x4的四分之一象限，通过将加权梯度值加到直方图八个方向区间中的一个，计算出一个梯度方向直方图，因此在每一个特征点都会形成一个128维的非负值形成了一个原始版本的SIFT描述子向量如下图，并且将其归一化以减少对比度和增益的影响，最后为了使描述子对其他各种光度变化鲁棒，再将这些值以0.2截尾，然后再归一化到单位长度。

三、特征匹配

一旦我们从两幅或者多幅图像中提取到特征及其描述子后，下一步就是要在这些图像之间建立一些初始特征之间的匹配。
匹配策略一：对前面提取到的两幅图像的128维特征描述子向量做欧式距离度量，最简单的一个策略就是先设定一个阈值（最大距离），然后返回在这个阈值范围之内的另外一个图像中的所有匹配。
匹配策略二：做最近邻匹配，即比较最近邻距离和次近邻距离的比值，即最近邻比率（NNDR）。

匹配策略一的缺点是，如果阈值设得太高，就会产生误报，也就是说会出现不正确的匹配。如果阈值设得太低，就会产生很多“漏报”，也就是说，很多正确的匹配被丢失。

固定阈值，最近邻和最近邻比率匹配。在固定阈值（虚线圆）下，描述子DA未能与DB匹配，DD错误地与DC和DE匹配。如果我们选择最近邻，DA和DE匹配。使用最近邻比率（NNDR），小的NNDR（d1/d2）正确地将DA和DB匹配，大的NNDR（d1'/d2'）正确地拒绝DD与DC、DE的匹配。

代码如下：

https://download.csdn.net/download/pbymw8iwm/10659247

Harris的角点检测和特征匹配相关推荐

学习笔记 2.1 — Harris角点检测与特征匹配【含实例】
一. 图像特征匹配最近刚入门了计算机视觉这门课程,觉得非常有意思,想象一下如果你能够自己做出一款全景拍照的软件,真实地令人激动,当然这全景图像其中的原理就是图像的特征匹配,把不同的图片通过相同的局部 ...
harris角点检测与ncc匹配
转自:http://zixuanjinan.blog.163.com/blog/static/11543032620097510122831/ file1:---------------------- ...
Harris角点检测+sift描述匹配
最近用到:Harris检测图像中边缘处的特征点,并且需要两张图特征点匹配起来.Harris只是一个角点检测的算法,最终只得到特征点坐标,想要匹配需要描述,而Harris是单尺度的,自己写描述函数又有些 ...
OpenCV特征检测，角检测，特征点检测，特征匹配，对象查找
特征检测图像的特征是指图像中具有独特性和易于识别性的区域,角.边缘等都属于有意义的特征. 8.1角检测角是两条边的交点,也可称为角点或拐角,它是图像中各个方向上强度变化最大的区域. OpenCV的 ...
Harris角点检测和Shi-Tomasi角点检测
文章目录什么是角点? Harris角点的基本思想 Harris角点特征的数学表达 Harris角点的性质 Harris算法具体步骤 Tshi-Tomasi角点检测和Harris的区别什么是角点? ...
Opencv中的“暴力”特征匹配和FLANN特征匹配（python实现）
文章目录 1.ORB关键点检测,SURF关键点检测,SIFT关键点检测,Shi-Tomasi角点检测,Harris角点检测 2.特征匹配的方法 3.暴力特征匹配 4.特征匹配步骤 (1)创建匹配器 ( ...
OpenCV之feature2d 模块. 2D特征框架（1）Harris 角点检测子 Shi-Tomasi角点检测子定制化创建角点检测子亚像素级的角点检测特征点检测
Harris 角点检测子目标本教程中我们将涉及: 有哪些特征?它们有什么用? 使用函数 cornerHarris 通过 Harris-Stephens方法检测角点. 理论有哪些特征? 在计算机视 ...
【Opencv】基于Opencv和PCV两种方法的Harris 角点检测与匹配
[Opencv]基于Opencv和PCV两种方法的Harris 角点检测与匹配[附代码] 理解Harris角点检测代码:Harris角点检测 1.[opencv版]Harris角点检测 2.[PCV ...
Harris角点特征提取和角点特征匹配（2）
Harris角点特征提取和特征匹配(后半部分) 前半部分点击以下链接: https://blog.csdn.net/QWER306306/article/details/123510826 本文采用H ...

Harris的角点检测和特征匹配

二、特征描述

三、特征匹配

Harris的角点检测和特征匹配相关推荐

最新文章

热门文章