1.局部算子分類: 來自網絡“天若有情”
1)基於分佈的算子:使用直方圖表現不同的外觀或形狀特
2)空間頻率技術:傅立葉變換和蓋伯變換
3)微分算子:
2.局部特徵建立依賴的空間
1)歸一化的Laplacian尺度空間
2) Difference of Gaussian
3. 局部區域檢測算法
1)Harris points 旋轉不變量 特徵點周圍41×41像素區域 大小固定
2)Harris-Laplace regions 旋轉和尺度不變量 檢測角點結構特徵
3)Hessian-Laplace regions 旋轉和尺度不變量 特徵點是由Hessian 決定的空間極大值和Laplacian-of-Gaussian.尺度空間極大值,與DoG檢測近似,但是在尺度空間能獲得更高的準確度,並且在尺度選擇上的準確度也高於Harris-Laplace 。檢測的準確性影響算子的執行力。
4)Harris-Affine regions 仿射不變量 由Harris-Laplace 檢測子檢測位置和尺度,附近的仿射由基於二次動差矩陣的affine adaptation 程序決定
5)Hessian-Affine regions 仿射不變量 由Hessian-Laplace 檢測子檢測位置和尺度,附近的仿射由affine adaptation 程序決定
4. 局部區域描述子
1) SIFT描述子 是一個3D梯度位置方向直方圖,位置被量化到4×4局部柵格,梯度角度分爲8個方向,算子爲4×4×8=128維
2)Gradient location-orientation histogram (GLOH),GLOH是SIFT描述子的一種延伸,爲了增強其魯棒性和獨立性。以對數極座標在半徑方向建立三個帶(6,11,15)和8個角度方向,形成17個位置帶,中心帶在半徑方向不分塊。梯度方向量化爲16個帶,形成272維矢量,利用PCA降維
3)Shape context 與SIFT描述子相似,但是基於邊緣 Shape context是一個邊緣點位置和方向的3D直方圖,以對數極座標在半徑方向建立三個帶(6,11,15)和4個角度方向,生成36維描述子
4)Geometric histogram 在一個區域內描述邊緣分佈直方圖
4)PCA-SIFT 描述子 以特徵點周圍39×39像素塊形成3024維矢量,用PCA降維36維
5)Spin image 是一個量化像素位置和強度的直方圖 ,在5個圓環中計算10個強度帶,生成50維算子
6)Steerable filters and differential invariants 使用與高斯卷積後的導數
7)Complex filters
8) Moment invariants
9) Cross correlation
6.匹配方法:
基於閾值的匹配
基於最近鄰匹配:如果DB是DA的最近鄰區域,且之間的距離小於閾值則區域A與區域B是匹配的
基於次最近距離與最近距離之比:
7. 描述子維數影響
低維算子:steerable filters ,complex filters, differential invariants
基於微分的算子,導數的階數影響着算子的維數,對於steerable filters 三階導數和四階導數都能保持算子的獨立性,並且導數的階數對算子匹配的準確度影響顯而易見,但是對complex filters 和differential invariants影響較小。並且steerable filters 計算到四階導數時效果比differential invariants 效果好。
高維算子:GLOH,PCA-SIFT,cross correlation 算子 維數過高與過低效果都不理想。對於GLOH算子,128維匹配效果高於40維和272維,對於PCA-SIFT36維效果好於20維和100維,對於cross correlation則81維匹配效果好於36維和400維。
8.對不同圖像變換的適應性
1)仿射變換。 利用Hessian Affine 和Harris Affine 檢測特徵點,然後對不同的局部算子測試。效果最好的是SIFT算子。並且利用Hessian Affine 比Harris Affine的效果好,因爲基於拉普拉斯的尺度選擇與Hessian 算子相結合可以獲得更準確的結果。
2)尺度變換 大多算子表現良好
3)旋轉變換 有三種誤差影響算子的計算:區域誤差,位置誤差,方向估計誤差
4)圖像模糊 所有的算子性能都有所降低,但是GLOH和PCA-SIFT算子性能最好,基於邊緣檢測的算子性能下降最爲明顯
5)圖像壓縮 影響小於圖像模糊,但是比尺度變換和旋轉變換大
6)光照變化 對低維算子影響高於高維算子
總結:1)GLOH性能最好,其次是SIFT
2)低維算子中性能最好的是gradient moments和steerable filters
3)cross correlation 最不穩定
4) Hessian-Laplace 和Hessian-Affine 主要檢測圓斑狀結構。
5)由於更高的準確性,Hessian 區域比Harris區域性能更好一些