32、计算机视觉：合成数据集与视觉管道优化

计算机视觉：合成数据集与视觉管道优化

合成特征字母表与数据集构建

在计算机视觉领域，为了分析兴趣点算法，我们创建了合成的地面真值数据集。这些数据集包含合成兴趣点字母表和合成角点字母表。合成字母表的每个元素都经过精心设计，能完美代表选定的二进制模式，如点、线、轮廓和边缘等。

不同的像素宽度或厚度被用于字母字符，以测量精细和粗略的特征检测。每个模式都被注册在图像网格中的已知像素坐标上，这样就能测量检测的准确性。这些数据集旨在实现人类兴趣点感知与机器视觉兴趣点检测器之间的比较。

以下是每个合成字母表数据集的简要描述：
- 合成兴趣点字母表 ：包含诸如盒子、三角形、圆形、半盒子、半三角形、半圆圈、边缘和轮廓等点。
- 合成角点字母表 ：包含不同像素厚度的多种类型的角和多角。
- 叠加合成字母表的自然图像 ：包含叠加在自然图像上的兴趣点和角的黑白版本。

完整的地面真值数据可在附录中找到。我们使用OpenCV实现的十种检测器对这些数据集进行分析，这些检测器包括SIFT、SURF、ORB、BRISK、HARRIS、GFFT、FAST9、SIMPLE BLOB、MSER和STAR。在分析中，我们仅关注每种方法的兴趣点检测器部分，而非特征描述符。

使用合成图像字母表的想法并非新颖。之前有人设计了合成的灰色角点集和相应的测量方法，用于量化角点的属性。但我们工作中的合成兴趣点和角点字母表是为了实现不同的目标而开发的。

合成数据集的目标

合成数据集的目标和期望如下表所示：