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:
    创建Variant数组
    ASP与存储过程(Stored Procedures)
    FileSystemObject对象成员概要
    Kotlin 朱涛9 委托 代理 懒加载 Delegate
    Kotlin 朱涛 思维4 空安全思维 平台类型 非空断言
    Kotlin 朱涛7 高阶函数 函数类型 Lambda SAM
    Kotlin 朱涛16 协程 生命周期 Job 结构化并发
    Proxy 代理模式 动态代理 cglib MD
    RxJava 设计理念 观察者模式 Observable lambdas MD
    动态图片 Movie androidgifdrawable GifView
  • 原文地址:https://www.cnblogs.com/simayuhe/p/5296004.html
Copyright © 2011-2022 走看看