20、图像特征检测、描述与匹配技术详解

图像特征检测、描述与匹配技术详解

1. 特征点与区域检测

1.1 尺度空间特征检测

尺度空间特征检测可借助子八度高斯差分金字塔实现。其过程为：对相邻层的子八度高斯金字塔作差，得到高斯差分图像；在所得的三维空间里，通过将像素与 26 个邻域像素对比，检测极值（极大值和极小值）。

1.2 旋转不变性与方向估计

多数图像匹配和目标识别算法除了要应对尺度变化，还需处理（至少）平面内的图像旋转问题。
- 旋转不变描述符 ：设计旋转不变的描述符是一种办法，但这类描述符的区分能力欠佳，会把不同外观的图像块映射为相同的描述符。
- 主导方向估计 ：在每个检测到的关键点处估计主导方向是更好的方法。估计出关键点的局部方向和尺度后，就能提取该点周围经过缩放和定向的图像块，用于构建特征描述符。
- 平均梯度法 ：最简单的方向估计是计算关键点周围区域的平均梯度。若采用高斯加权函数，该平均梯度等同于一阶可转向滤波器，可通过图像与高斯滤波器的水平和垂直导数进行卷积来计算。为使估计更可靠，通常使用比检测窗口更大的聚合窗口（高斯核大小）。
- 梯度方向直方图法 ：当区域内的平均（带符号）梯度较小时，平均梯度作为方向指示不可靠。此时，可查看关键点周围计算出的梯度方向直方图。例如，通过计算一个 36 -bin 的边缘方向直方图，用梯度幅度和到中心的高斯距离加权，找出全局最大值 80% 以内的所有峰值，再用三 bin 抛物线拟合计算更精确的方向估计。

1.3 仿射不变性