37、兴趣点检测与描述符技术解析

兴趣点检测与描述符技术解析

在计算机视觉领域，兴趣点检测与描述符的应用至关重要，它能帮助我们从图像中提取关键信息，用于目标识别、图像匹配等多种任务。下面将详细介绍GLOH描述符和SURF检测器与描述符的相关内容。

1. GLOH描述符

GLOH（Gradient Location and Orientation Histograms）描述符是SIFT描述符的扩展。SIFT由一组局部梯度的方向直方图组成，而GLOH将局部区域细分为圆形区域，具有17个空间区间，每个区间包含16个方向间隔，从而生成272个元素的描述符向量。

创建GLOH描述符的步骤如下：
1. 以兴趣点为中心，考虑半径为15像素的圆形窗口。
2. 将该窗口划分为三个同心圆形扇区，半径分别为6、11和15像素。
3. 半径为11和15像素的圆形扇区在角度上再细分为8个径向扇区，加上中心扇区，总共形成17个空间区间。
4. 对于每个空间区间，计算相对于16个方向分组的梯度方向的主导方向。
5. 每个空间区间的像素对16个可能的方向都有贡献，从而得到一个17×16 = 272元素的向量。
6. 通过主成分分析（PCA），描述符向量通常会减少到128个重要元素，与SIFT类似。

GLOH在结构化场景中比SIFT更鲁棒，具有较高的区分度，而SIFT在高纹理图像中表现良好。在某些目标识别应用中，将描述符向量减少到42个元素也能表现出足够的性能。

2. SURF检测器与描述符

SURF（Speed-Up Robust Features）是基于与SIFT检测器相同原理的兴趣点检测器和描述符。它分为检测器和描述符