【基础教程】基于matlab局部特征检测与提取【1749期】

最新推荐文章于 2023-07-08 19:53:03 发布

海神之光

最新推荐文章于 2023-07-08 19:53:03 发布

阅读量1.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：基础教程（Matlab）文章标签： matlab 计算机视觉算法

代码事宜私信博主

本文链接：https://blog.youkuaiyun.com/TIQCmatlab/article/details/123188376

基础教程（Matlab）专栏收录该内容

15 篇文章

订阅专栏

这篇博客探讨了计算机视觉中手工设计的低级别特征，如高斯混合模型、隐马尔可夫模型以及纹理、人脸识别和物体检测中的局部二值模式（LBP）、尺度不变特征变换（SIFT）和方向梯度直方图（HOG）。同时，介绍了针对角点和斑点特征的检测方法，如FAST、Harris、Shi-Tomasi以及SURF和MSER。此外，还提到了MATLAB工具箱中的描述子，如SURF、FREAK和BRISK。这些特征和描述子在处理图像的尺度变化、旋转和遮挡等问题上表现出色。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 常见手工设计的低级别特征
语音：高斯混合模型和隐马尔可夫模型；
Gabor features for : texture classification
Local Binary Patterns (LBP) for:人脸识别 face classification.
SIFT and HOG features for: 物体识别、行人检测object recognition.

2 局部特征与描述子
局部特征及其描述子，是对局部邻域的紧凑向量表示（compact vector representation），是许多计算机视觉算法的构建基石。基于局部特征使得这些计算机视觉算法能够更好地处理图像中的尺度变化，旋转以及遮挡等细节问题。常见的用于目标检测的局部特征表示方法如下：

针对 corner features 的：FAST, Harris, 以及 Shi & Tomasi 方法
针对 blob features 的：SURF 、MSER
matlab 工具箱包含的描述子：SURF、FREAK、BRISK（Binary Robust Invariant Scalable Keypoints）