检测子.doc

检测子
[1]提出一种图像中角结构(corner)的检测子Harris Detector。它是通过计算图像中(x, y)点的corner response:
M=Dx2DxDyDxDyDy2
cornerness=DetM- kTr(M)2
其中Dx指x方向一阶导数。在计算M之前,图像首先用一个高斯窗平滑过。Cornerness值大于一定阈值的点被认为是corner。
[5]提出一个称为”Maximally Stable Extremal Region Detector”,即最大稳定性极值区域检测子。这个检测子检测到的区域是不规则的,并且该区域满足:
区域内的像素点的值都大于(或小于)一个阈值K
区域内边缘的点都大于(或小于)和它们相邻的并且在区域外的点
当阈值K变换时,该区域的大小不变或只有很小的变化,呈现稳定性
用该方法检测到的区域在图像中主要是位于场景中同一平面的区域,而且这种方法保留了该区域本来的结构,能够检测到不同尺度的图像特征,具有仿射不变性和尺度不变性。
[12]提出了一种基于信息熵的检测子。这种方法首先检测出那些在尺度空间中同时在空间维和尺度维上信息熵取得最大值的区域,然后检测这些区域的信息熵在尺度维上的变换剧烈程度,保留那些该变化比较剧烈的区域。这种基于信息熵的检测子检测出的区域在空间维和尺度维上具有很好的独特性。使用如[6]中提出的椭圆采样窗口可以实现该检测子的仿射不变性。
[16]提出了两种检测子
基于Harris Detector的检测子。该方法首先用Harris Detector检测出角点,然后以该点为一个顶点,取从该点延伸出的两个边上的两个点做另外两个顶点做一个平行四边形,然后在该平行四边形区域内的像素值上计算以下三个函数
f1Ω= M001M000
f2Ω= abs|p1-pg*(p2-pg)||p-p1*(p-p2)|* M001M002M000-(M001)2
f3Ω= abs|p1-pg*(q-pg)||p-p1*(p-p2)|* M001M002M000-(M001)2
With MpqnΩIn(x,y)xpyqdxdy
pg=M101M001,M011M001
这三个函数中任意一个在该区域中取得极值的话,就把该区域作为兴趣区域。可以证明这三个函数和图像的仿射变换和线性光照变换是共变的,因此取得的区域具有仿射不变性和线性光照变换不变性。
基于灰度的检测子。该方法(参考下图)首先检测出图像中的像素值极值点,然后沿从该点向四周发出射线计算以下函数的值:
fI(t)=abs(It- I0)max⁡(0tabsIt-I0dtt,d)
其中t是到中心点的欧氏距离,I(t) 是在该点的像素值,I0是中心点的像素值。该函数的最大值点位于图像中像素值突然增大或者减小的地方,比如一个同质区域的边缘。把所有这些最大值点连接起来并拟合为一个椭圆,然后把该椭圆面积增大一倍,就构成该检测子所检测到的区域。由于该检测方法是去监测同质的区域,紧紧依赖图像本身的结构,所以具有和图像仿射变换和线性光照变换共变的特性,因此具有仿射不变性和线性光照不变性。
[6]基于Harris Detector 提出了一种尺度和仿射变换无关的检测子。其尺度不变性是通过一个迭代的方法实现:
第一步,在尺度空间中用Har