34、图像中兴趣点的检测与描述

图像中兴趣点的检测与描述

在计算机视觉领域，自动定义图像中的兴趣点（Points of Interest, PoI）具有重要意义。兴趣点能够在光照条件变化、场景观察点改变（可能伴有比例因子变化）的情况下，在图像域中保持稳定，其可重复性必须足够强。兴趣点在文献中常与关键点、角点或特征等术语互换使用。

兴趣点的定义与应用

兴趣点可以是具有局部结构特征的孤立点，其信息内容可以用最小或最大强度、纹理来表示；也可以是轮廓上曲率最大的点，或者是线段的端点。在不同的应用场景中，兴趣点有着不同的表现形式和作用。

例如，在卫星或航空图像配准中，小图像窗口（也称为斑点）被用作兴趣点；移动车辆进行自我定位时，会从场景图像中提取适应上下文的兴趣点，通常对应于线条的交点或角点，为此还开发了自动检测这些角点的算法，即角点检测器。

兴趣点在众多应用中都代表着结构元素，包括在连续帧中跟踪同一对象、确定立体图像之间的对应关系、在复杂场景中定位原型对象、对齐从不同视角或不同时间拍摄的场景图像、进行场景的3D重建、从具有足够重叠的图像序列中创建全景图等。

兴趣点检测算法的分类

为了解决兴趣点的自动检测和相对对应这一普遍问题，开发了多种算法。这些算法可以简单地分为三类：
1. 显著点检测器（Feature Detectors） ：检测兴趣点，也称为关键点、角点或特征。
2. 显著点描述符（Feature Descriptors） ：基于显著点周围的像素，即考虑以显著点为中心的窗口（补丁）内的像素来描述显著点。
3. 兴趣点对应评估算法