18、图像特征检测技术全解析

图像特征检测技术全解析

1. 角点检测

在图像特征检测中，角点检测是一项重要的任务。传统的角点检测并非尺度不变的，其响应尺度由两个参数决定。一是在近似偏导数时的平滑量，二是对 Harris 矩阵进行平均的窗口大小。若要使角点检测器具有旋转不变性，可以使用旋转对称的窗口函数，如高斯函数。

除了上述常见的角点检测方法，还有一种在对比测试中表现出色的 SUSAN 角点检测器。它基于以下假设：
- 感兴趣点的强度与预设邻域内的位置不同。
- 这种强度差异大于阈值 g。
- 该感兴趣点是这种差异的局部最大值。

其计算过程如下：
首先，在某个邻域 N 内计算基于强度梯度的响应：
[R(x,y) = \sum_{(u,v) \in N} \exp\left(-\frac{[I(x,y) - I(u,v)]^6}{t}\right)]
这里的指数是通过实验得出的，t 的值控制着强度差异对 R 的影响程度。邻域 N 内的平均强度差异越大，响应 R 越低。

为了计算最终响应 (S_{SUSAN})，对 R 进行反转并以 g 为阈值：
[S_{SUSAN} =
\begin{cases}
g - R(x,y), & \text{如果 } g - R(x,y) > 0 \
0, & \text{否则}
\end{cases}]
当 ((x,y)) 是角点或单点时，(S_{SUSAN}) 的值为局部最大值。与 Harris 角点检测器相比，SUSAN 检测器的计算速度更快，但对噪声更敏感。

2. 斑点检测