特征提取—Harris算子课件.ppt

特征提取—Harris算子课件.ppt

ID:57445308

大小:1.05 MB

页数:26页

时间:2020-08-19

特征提取—Harris算子课件.ppt_第1页
特征提取—Harris算子课件.ppt_第2页
特征提取—Harris算子课件.ppt_第3页
特征提取—Harris算子课件.ppt_第4页
特征提取—Harris算子课件.ppt_第5页
资源描述:

《特征提取—Harris算子课件.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、特征提取—Harris算子汇报人:张琳目录基本概念及所需知识Harris算子程序设计及实验结果图像变化特征点的作用角点基本思想数学表达改进的Harris算子基本概念及所需知识——图像变化的类型几何变化旋转相似(旋转+各向相同的尺度缩放)仿射(非各向相同的尺度缩放)适用于:物体局部为平面灰度变化仿射灰度变化(IaI+b)基本概念及所需知识——提取特征点的作用图像的点特征是许多计算机视觉算法的基础:使用特征点来代表图像的内容运动目标跟踪物体识别图像配准全景图像拼接三维重建基本概念及所需知识——特征点(角点)特征点在许多

2、文献中又被称为兴趣点(interestpoint)、角点(cornerpoint),对特征点目前还没有统一的定义,一般认为特征点产生于两条或多条相对直线交叉的区域。不同的检测方法对特征点有不同的定义。角点(cornerpoints):局部窗口沿各方向移动,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角点检测一种好的局部特征应该具有以下性质:(1)可重复性:同一个物体或场景在不同的条件下(如视角、尺度发生变化),两幅图像中对应的特征越多越好。(2)独特性:特征的幅值模式需要呈现多

3、样性,这样的特征才能被区分和匹配。(3)局部性:特征应该是局部的,从而减少被遮挡的可能性,并且允许用简单的模型来近似两幅图像间的几何和成像变形。(4)数量性:一般来说,检测到的特征数目一定要多,但是在图像检索中,特征太多,又会对检索的实时性造成一定影响。理想情况是检测到的特征数量在一个比较大的范围内,然后可以通过一个简单的预知就可以调整。而这个阈值的调整可以通过在检索系统中的实验得以确定。基本概念及所需知识——特征点(角点)(5)准确性:得到的特征应该能够被精确定位,包括图像空间和尺度空间上的精确定位。(6)高效性:

4、检测和描述的时间越短越好,以便用于后续的实时应用。这6条性质中,最重要的是可重复性。Moravec[44]于1977年提出Moravec角点算法,是最早提出的角点检测算法之一。该方法中,角点被定义为在各个方向(垂直、水平、对角线)都存在剧烈灰度变化的点基本概念及所需知识——特征点(角点)不同类型的角点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Harris角点检测基本思想平坦区域: 任意方向移动,无灰度变化边缘:沿着边缘方向移动,无灰度变化角点:沿任

5、意方向移动,明显灰度变化Harris检测:数学表达图像灰度平移后的图像灰度窗口函数将图像窗口平移[u,v]产生灰度变化E(u,v)或窗口函数w(x,y)=Gaussian1inwindow,0outsideHarris检测:数学表达写成矩阵形式:式中,Ix为x方向的差分,Iy为y方向的差分,w(x,y)为高斯函数Harris检测:数学表达窗口移动导致的图像变化:实对称矩阵M的特征值分析max,minM的特征值缓慢变化的方向快速变化的方向(max)-1/2(min)-1/2E(u,v)的椭圆形式Harris检

6、测:数学表达12“Corner”1和2都较大且数值相当1~2;图像窗口在所有方向上移动都产生明显灰度变化如果1和2都很小,图像窗口在所有方向上移动都无明显灰度变化“Edge”1>>2“Edge”2>>1“Flat”region通过M的两个特征值的大小对图像点进行分类:Harris检测:数学表达定义:角点响应函数R(k–empiricalconstant,k=0.04-0.06)Harris检测:数学表达12“Corner”“Edge”“Edge”“Flat”R只与M的特征值有关角点:R为大

7、数值正数边缘:R为大数值负数平坦区:R为小数值R>0R<0R<0

8、R

9、smallHarris检测:算法优化用Harris算法进行检测,有三点不足:(1)该算法不具有尺度不变性;(2)该算法提取的角点是像素级的;(3)该算法检测时间不是很令人满意。基于以上认识,主要针对第(3)点对Harris角点检测算法提出了改进。Harris检测:算法优化Harris角点检测是基于图像像素灰度值变化梯度的, 灰度值图像的角点附近,是其像素灰度值变化非常大的区域,其梯度也非常大。换句话说,在非角点位置邻域里,各点的像素值变化不大,甚至

10、几乎相等,其梯度相对也比较小。从这个角度着眼,提出了图像区域像素的相似度的概念,它是指检测窗口中心点灰度值与其周围n邻域内其他像素点灰度值的相似程度,这种相似程度是用其灰度值之差来描述的。如果邻域内点的灰度值与中心点Image(i,j)的灰度值之差的绝对值在一个阈值t范围内,那就认为这个点与中心点是相似的。与此同时,属于该Image(i,j)点

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。