[读书笔记] 计算机视觉与算法应用

《计算机视觉与算法应用》这本书其实我已经读到第四章了，之前一直都用笔记在笔记本上了，现在直接继续在这里记啦，之前的也不再补充了~

Chapter 4 特征检测与匹配

• “关键点特征”或“兴趣点”或“角点”
• “边缘”

4.1 点和块

• 获取特征点及其之间的对应关系主要有两种方法：1）在第一幅图像中寻找那些可以使用局部搜索方法来精确跟踪的特征，比如相关或者最小二乘 2）在所有考察的图像中独立地检测特征点然后再基于它们的局部表观进行匹配
• 关键点检测和匹配流水线：1）特征检测（提取）2）特征描述 3）特征匹配 4）特征跟踪

4.1.1 特征检测器

• 比较两个图像块

• 计算匹配结果的稳定度--“自相关函数”或自相关表面

矩阵A给出了匹配块所在位置不确定度的一个下界，通过特征值分析就可以对这个不确定度进行可视化分析。

对应于自相关矩阵A的特征值分析的不确定性矩阵

• 基本思路：使用从自相关矩阵导出的旋转不变标量测量的局部最大值来定位关键点以达到匹配稀疏特征的目的。使用高斯权重窗口代替方形图像块
• 特征值最小值λ₀不是唯一可以用来寻找关键点的量，其它的还有：

, , 

• 一个基本特征检测算法的步骤

• 自适应非最大抑制

大多数特征检测器只找兴趣函数的局部最大值，导致特征点非均匀分布，对比度大的区域特征点比较密集。解决办法是只检测那些同时是局部最大值且其响应明显大于其周围半径r区域内的响应的特征。首先根据特征点的响应强度对其进行排序，然后通过不断减小抑制半径来建立第二个排序列表。

• 衡量可重复性

可重复性：一幅图像中检测到的关键点在另一幅变换过的图像中的对应位置的ε个像素范围内找到的频率。

每个特征点的“可用信息量”(Information Content)：一个旋转不变的局部灰度描述子集合的墒。

1. 尺度不变:
2. 旋转不变和方向估计
3. 仿射不变