29、图像特征描述符与兴趣点检测方法综述

图像特征描述符与兴趣点检测方法综述

1. 链码直方图（Chain Code Histograms）

链码直方图（CCH）通过对连接组件（这里指连接的边界像素）的方向进行分箱，将边界形状记录为直方图。在逐像素遍历边界时，遍历方向被记录为一个数字，并存储在直方图特征中。为匹配CCH特征，可使用SSD或SAD距离度量。

CCH于1961年被发明，也被称为弗里曼链码，受美国专利US4783828保护。其变体顶点链码允许减少描述符大小，且据报道具有更高的准确性。

以下是链码直方图的构建流程：

graph LR
    A[开始遍历边界像素] --> B[记录遍历方向为数字]
    B --> C[将数字记录到直方图]
    C --> D[完成遍历]

2. D - NETS

D - NETS（Descriptor - NETS）方法由Hundelshausen和Sukthankar开发，它摒弃了补丁或矩形描述符区域，采用一组在端点相连的条带。D - NETS允许由一组端点之间的有向图组成的条带模式家族，不特别限制端点类型或条带模式。

D - NETS有三种模式：
- Clique D - NETS ：连接所有兴趣点的完全连接条带网络，初始工作使用SIFT关键点。
- Iterative D - NETS ：使用兴趣点的子集动态创建网络，通过停止准则增加连接性，以优化连接密度，获得所需的匹配性能和准确性。