2、计算机视觉中的特征描述与图像捕获

计算机视觉中的特征描述与图像捕获

1. 计算机视觉特征描述概述

计算机视觉领域中，特征描述是一个关键部分，它主要聚焦于如何描述、计算和设计构成图像中较大物体的宏观和微观特征。这里重点关注视觉流程中的像素端，而非后端的训练、分类、机器学习和匹配阶段。

1.1 关注内容与目标

旨在展示从业者正在使用的特征描述方法，详细观察和分析这些方法为何有效，更倾向于通过观察提出问题而非直接给出过多答案。目标是让人们更容易理解实际应用中的方法，以及如何使用视觉分类法和鲁棒性标准来评估这些方法，以获得所需结果，并找到拓展技术水平的领域。

1.2 不包含的内容

不会提供计算机视觉“操作指南”的源代码示例、教程讨论、性能分析和捷径内容。若需要这些内容，可参考知名的 http://opencv.org 库资源，包括许多优秀书籍、在线资源、源代码示例和博客。同时，不会对所有计算机视觉主题进行深入的证明和性能分析，机器学习、训练和分类方法仅作简要介绍，因为重点在于特征度量。

1.3 包含的内容

涵盖了多个方面，如 2D 图像形成和 3D 深度成像的前言知识，智能图像预处理以增强特征描述，核心的特征描述讨论（包括全局和区域度量、特征描述符概念、视觉分类法和局部特征描述），地面真值数据，以及从工程角度讨论假设的视觉流程和优化。

1.4 范围与术语说明

为简洁起见，不深入处理与计算机视觉度量本身无直接关联的主题，如统计和机器学习、分类和训练、特征数据库构建和优化以及搜索和排序等，但会提供参考文献。在术语方面，文献中描述相似概念时术语可能不一致，可能会采用一些未在独立研究社区中标准化