41、兴趣点检测与描述子：结构化区域检测器详解

兴趣点检测与描述子：结构化区域检测器详解

在计算机视觉领域，兴趣点检测与描述子的研究一直是热点。结构化区域检测器基于图像中的几何结构，如直线、曲线边缘等，来提取感兴趣的区域或点，在目标识别、图像匹配等任务中具有重要作用。本文将详细介绍三种结构化区域检测器：EBR、PCBR 和 SISF。

1. EBR - 基于边缘的区域检测器

EBR 检测器属于基于结构的检测器类型，它通过对图像应用轮廓提取算法来确定相似的不变区域。其基本原理是利用图像中的几何结构，如角点和边缘，这些结构在不同视角、尺度和光照变化下具有较好的稳定性。

1.1 几何结构提取

首先，使用 Harris - Stephens 算法提取角点，使用 Canny 算法提取边缘。这些基本的几何结构在多尺度环境下提取，可提高方法的鲁棒性。

1.2 仿射不变区域构建

从角点 ( p = (x, y) ) 出发，利用其附近的边缘，找到点 ( p_1 = (x_1, y_1) ) 和 ( p_2 = (x_2, y_2) )。理想情况下，( p_1 ) 和 ( p_2 ) 沿边缘从角点 ( p ) 向相反方向移动，直到由曲线边缘 ( l_i )（( i = 1, 2 )）和直线 ( pp_i ) 形成的区域 ( L_i ) 达到一定阈值。区域 ( L_1 ) 和 ( L_2 ) 在 ( p_1 ) 和 ( p_2 ) 移动过程中保持相等，这一条件建立了由参数 ( l_1 ) 和 ( l_2 ) 表示的仿射不变性准则：
[
l_i = \int abs(\vert p^{(1)}_i(s_i)p - p_i(s_i) \vert) ds_i \qua