zoukankan      html  css  js  c++  java
  • 特征匹配

    计算机视觉课堂笔记

    回顾:特征提取中分为点(Harris等),线(Canny算子),区域(MSER)等特征的提取。

    相应的特征匹配就会有特征点匹配,直线匹配,曲线匹配,区域匹配。

    而在众多研究中以点匹配居多,点匹配的基本原则:利用图像点周围的信息来描述点,如灰度信息,颜色信息,梯度信息等,然后进行 相似性度量。

    点匹配典型方法:

    基于灰度分布的匹配:Cross-correlation;

    基于梯度分布的匹配:SIFT;Daisy descriptor;

    其他匹配方法:Eigenvector;ICP;RANSAC。

    1.Cross-correlation:在位置对应点附近划出一个大框,在这个框中对每一个像素点附近使用小框进行逐一的相关函数计算,得到相似度最高的作为匹配点。(有诸多缺陷)

    2.SIFT:

    http://www.cnblogs.com/simayuhe/p/5295956.html

    http://www.cnblogs.com/cuteshongshong/archive/2012/05/25/2506374.html

    3.Daisy descriptor:与SIFT作对比的一种方法,特点在于,他并没有进行特征点提取,而是对整幅图像进行梯度运算并进行高斯滤波,得到梯度图像,然后对每个像素构建描述子(这里构建的描述子的长度是200维的)

    ***4.ICP(Iterative Closest Point):目标是对齐两个相互交叠的曲面。

    4.1首先,研究:假如已知两个对应的点集合如何寻找他们之间的对应关系?

     X={x1,x2,...,xn},P={p1,p2,...,pn}

    这个思想很经典:先计算二者的均值,以去掉平移的影响;进行SVD分解,得到的R=UV'为旋转变换;进而求得平移变换t。

    4.2然后,我们要考虑的问题:如何找到对应点?

    ICP给出的方案就是把"最近"的点先认为是对应点,然后算R,t,算完了之后再带回去去找下一组最近的点,再更新R,t,直到E(R,t)小于某个阈值为止。截图如下:

    4.3接下来要解决的问题:什么样的点才是最近的点?

    给出了几种候选:最近邻点,法方向最近邻,投影法。几种方法各有优势,适用于不同的问题而已。

    截图来源:http://vision.ia.ac.cn/zh/teaching/index.html

  • 相关阅读:
    【leetcode】1534. 统计好三元组
    【leetcode】1351. 统计有序矩阵中的负数
    【leetcode】1523. 在区间范围内统计奇数数目
    【leetcode】204. 计数质数
    【leetcode】993. 二叉树的堂兄弟节点
    【leetcode】1598. 文件夹操作日志搜集器
    【leetcode】1389. 按既定顺序创建目标数组
    【leetcode】增减字符串匹配
    【leetcode】1185.一周中的第几天
    052-158
  • 原文地址:https://www.cnblogs.com/simayuhe/p/5296004.html
Copyright © 2011-2022 走看看