[精品]局部不变检测子

局部检测子的比较 Mikolajczyk等人在2005年对六种重要的仿射不变局部特征检测子进行了实验比较[3], 该实验具有很重要的意义 1. 该实验比较的六种局部检测子分别是Harris-Affine , Hessian-Affine[9], MSER[2], IBR, EBR[8], Salient[7] 2. 该实验提出了一种比较局部检测子的标准实验图像和实验方法 a）实验图像包括视角变换，尺度变换，光照变换，图像模糊和图像压缩5种变 换；具有纹理性图片和结构性图片；所有的图片要么内容是平面场景，要么在 成像时摄像机位置固定，所以同一场景的图片之间可以用homography联系起 来，并且所有这些homography已经被计算出来用以计算实际的匹配。 b）试验方法该实验方法测量了两个标准即重现性和可分性 i. 重现性用来衡量检测子在一对图片中检测到的对应区域之间重合的准确 性。首先将所有检测到的特征局部变换到一个半径30像素的区域，然后按 照以下方法计算一对图片中检测到的相应特征区域之间重合的程度 U 其中表示特征区域，H表示这对图片之间的homographyo当特征区域 重合度达到-定值，如0.6,则认为检测到的这两个特征区域对应。然后计 算两个指标1）所有对应特征区域的数目；2）所有对应特征区域的数目 和两幅图片中共同场景部分中检测到的所有特征区域数目较小者之间的比 值。然后用这两个指标来比较所有的检测子在所有实验图片上的效果。 ii. 可分性用来衡量检测到的区域匹配准确性。首先将检测到的特征区域变换 到一个30 * 30的圆形区域然后在该区域上计算SIFT描述子。计算一对图 片中正确匹配的描述子的数目和所有匹配数的比值，该指标用来衡量可分 性。 3. 比较实验的结论主要有 a）MSER方法在重现性和区分性上在各种图片上的表现均比较领先，但是检测到 的特征局部数目较少。Salient方法效果最差，检测到的特征局部数目也较少。 b）MSER和EBR方法在包含被明显边缘包围的同质区域的图片中表现非常好。 c）Hessian-Affine和Harris-Affine比其它检测子检测出的特征局部多 d）所有的检测子是互补的，其检测到的特征局部几乎不会重叠 基于MSER的局部特征检测方法的最新研究成果 2005年Mikolajczyk等人对六种主要的仿射无关局部特征点检测子进行了比较[3],其中 一个很重要的比较结果就是使用MSER方法检测出的局部在视角变换，尺度变换，光照 变换，图像压缩和图像模糊这五种情况下在重现性和区分性方面处于领先的位置。因此, 近两年来对于MSER方法的研究多起来，一些新提出的方法分别在颜色，形状和检测方 法上提出了创新。 [1]针对MSER方法检测到的特征局部数目少的缺点提出了一种在全部等辐透线上构 建稳定Affine Frame的方法SAF Stable Affine Frames这种方法的提出基于这样一 个思路MSER方法是在稳定的辐透线上构建Affine Frame,但是实际的自然场景 图片中稳定的辐透线数目并不多，所以导致检测到的特征局部数目较少，另一方面, 自然图片中大量存在的则是部分稳定的辐透线，SAF方法就是通过在所有的辐透线 上构建稳定的Affine Frame的方法来检测较多数目的特征局部，同时保证较高的特 征局部重现性和可分性。ASF方法可以分解为以下几个方面 1. 继承了 MSER方法的一些基本概念，如“局部” Region,“极值区域” Extremal Region,内外区域边缘inner and outer region boundary,并且定 义离散等辐透线Discrete Isophote为极值区域的外边缘。 2. 提出了两种在等辐透线上构建Affine Frame的方法 a 记等辐透线的双切线的两个切点为x,y,记x,y间的等辐透线上离双切线最 远的一点为o.计算一个仿射变换矩阵A,该矩阵将一个正规化坐标系下 的1,0 ,0,0和0,1变换到x,y,。的坐标。用这个矩阵A来表示 Affine Frame. b 利用极值区域的坐标协方差矩阵，重心点坐标和局部区域最大曲率点坐标 计算一个放射变换矩阵A,用该矩阵来表示Affine Frame. 3. 在所有构建的Affine Frame中寻求稳定的那些。该方法首先定义了几个概念 a Affine Frame之间的不相似度测量 dAi，As -芯顼mil p aoxo,oxD,ir b “灰度邻接”两个极值区域A, B,其中A真包含于B且不存在极值区 域C, C真包含A且真包含于B。 c “相似区域序列”一系列极值区域板A-.,.，其中为和瓦灰度邻接 且其中任意两个区域之间的不相似度小于一定阈值母却 然后在相似区域序列中寻找满足关系 的最长子串{闻.如，则Affine Frame 的稳定性由该子串的长度来 量度。该长度大于阈值s的Affine Frame被认为是稳定的。 作者使用了［3］中的试验方法和实验图像比较了 SAF和其他的检测子，证明了该方法 检测能够到的比较多的局部区域，同时检测到的局部区域具有很好的重现性和可分 性。 ［4］提出了一种使用颜色距离阈值的基于MSER方法的检测子MSCR,该方法可以总 结如下 ■作者根据照相机成像过程提出用离散普哇松分布来建模图片中的噪音，并据此 提出两个相邻像素点间的颜色距离为 2Q ,2 vW-Ky2 I认对1认於 其中，拍对表示X点的第k个颜色通道的颜色分量值。 ■ 定义两种像素间的“邻接关系”，一种包含了水平和垂直关系，另一种还包括 了对角线关系。 Ni fxyensyx Vyx Q} N2 Nx U{Cx,y€ fly x fj Vy x4- } ■ 该方法使用动态阈值的方法迭代的把像素归并的同一个区域。在第i步迭代中 产生的一个区域内部的任意像素点对之间存在一条路径，该路径上每两个邻接 像素点间的距离都小于该步迭代设置的像素点间的颜色距离阈值。一个要注意 的问题是，由于图像内部一般都存在很大程度的颜色相似性，因此要根据图像 中像素点间的颜色距离的分布来调整每一步迭代中使用的颜色距离阈值。 ■在迭代过程中寻找在多步迭代中面积变换不大的区域，定义这些区域为稳定区 域。 在作者所做的比较实验中，MSCR在大多数的图片上面检测出的区域比MSER方法 检测到的具有更好的重现性和可匹配性。 ［5］提出了一种基于MSER检测出的区域的形状的局部描述子。这种方法把MSER检 测到的局部区域首先二值化在区域内部的为1,区域外的为0,然后把该区域 通过仿射变换正规化，最后在正规化后的区域上提取SIFT描述子作为最终的描述 子。 除了上述提到的三篇文献，我还查到了 06年的一些基于MSER的方法，目前还没有阅 读。 基于形状物体边缘的特征区域检测