Surf特征提取分析
Surf特征提取分析
读“H.Bay, T. Tuytelaars, L. V. Gool, SURF:Speed Up Robust Features[J],ECCV,2006”笔记
SURF:Speed Up Robust Features,加速鲁棒特征。
我觉得SURF是SIFT特征的一种近似计算,在相似性能甚至更好性能的同时提高了算法的速度。这些近似体现在
在尺度空间中,使用box filtes与原图像卷积,而不是使用DoG算子
确定关键点方向时,Surf是利用不同方向bin中的haar小波响应的最大值最为方向,而Sift是统计周围区域像素点的方向直方图,找出最大方向bin作为主方向,而且还可以有多个方向。
特征描述子,Surf在关键点周围取区域分成44块小区域,在每个小区域计算采样点的haar响应,统计对应的四个特征,共64维特征,而Sift在周围1616的区域划分成4*4的子区域,每一个子区域提取长度为8的方向直方图特征,排列起来形成128维特征向量。
为什么速度会提升呢?这里要明白一点,DoG算子分开两步其实是先高斯平滑再差分。
使用box filters相对于高斯滤波,再辅助以积分图速度肯定提升不少。
Hessian矩阵的计算一般而言还是挺麻烦的,但这里可以使用积分图计算,无论尺度是多少都可以使用几个数的加减完成,速度很快。
确定关键点方向时使用haar特征同样可以利用积分图,简单快速。
特征描述子使用64维取代128维特征降低了后续处理的数据规模
接下来就来一步步分析surf特征吧
Fast-Hessian Detector 尺度空间生成
这一步其实相当于LoG算子。
在LoG中首先使用高斯平滑,然后对平滑后的图形进行Laplace获得二阶梯度特征。
而Fast-Hessian Detector则是首先使用box filter滤波,然后使用Hessian矩阵表征二阶梯度。
高斯二阶梯度到近似的二阶梯度算子如下图
从左到右分别表示在y方向LoG算子(),xy方向的LoG算子,y方向近似的LoG算子,xy方向近似的LoG算子
Hessian矩阵能够刻画二维曲面上点的不同方向变化剧烈程度,这里可以参见角点检测,只有当Hessian矩阵的两个特征值均远大于0时才认为该点是角点。行列式是特征值的乘积。
Hessian矩阵的计算
那么使用上图的类似算子,就可以表示成
但是近似毕竟是近似,这里近似一点,那里近似一点,累积的方差就大了,所以在计算hessian矩阵行列式时进行了修正
1.2是LoG的尺度,9是box filter的边长,自己可以算一算
于是
其中D是近似的Hessian矩阵。
这个式子是怎么来的呢?很难理解对不对,我们来推一推,目的是要
设,于是
是不是发现问题了,在上面算0.9时我们替换成时仍然成立,所以就得到了计算行列式的近似式。
论文中指出surf初始size是,这么大区域平滑的效果等同于尺度为的高斯平滑。
同样的surf中也会建塔,但是和sift不同的是,sift在尺度增大的同时,不断对图像下采样,而surf在建塔的时候每层图像大小不变,只是对模板的尺度不断增大,相当于一个上采样的过程。
论文中第一塔中size分别为,而以后每塔中size边长差距逐塔翻倍。
如下图
size大小和对应LoG尺度可以如下换算
尺度空间生成之后就开始进行定位关键点了。
关键点定位
这里和LoG,DoG相同,都是在生成尺度空间后,找在三维上找极值点。
这里和DoG不同的是不用剔除边缘导致的极值点了,因为Hessian矩阵的行列式就已经考虑到边缘的问题了,而DoG计算只是把不同方向变化趋势给出来,后续还需要使用Hessian矩阵的特征值剔除边缘产生的影响。
在定位关键点时,要使用3维线性插值的方法得到亚像素级的坐标位置。
Scale space interpolation is especially important in our case, as the difference in scale between the first layers of every octave is relatively large.
这样关键点也找到了,下一步为了旋转不变性就该确定关键点方向了
关键点方向
不像sift中依靠梯度方向直方图确定主方向,Surf首先将周围`!$6s$的圆形区域分成6个扇形区间,s是对应的尺度,和size的换算方法,上文给出了。然后在每个扇形区域使用提取x方向和y方向的Haar小波特征(Haar小波的边长为4s),将该区域每个样本点这两个响应的高斯加权和作为该区域的方向,最后扫面了整个圆形区域,选择最大方向就是该关键点的方向。
ok,接下来就该描述关键点了
surf特征描述子
和sift类似,这时候为了保持旋转不变性,当然要将关键点的方向旋转一致之后再统计特征。
统计特征时,再该关键点周围选取的区域,划分成的子区域,在每个子区域内使用x方向,y方向的的haar小波特征算子提取haar小波特征,然后使用提取结果统计四个值作为该子区域的特征,那么一个关键点就可以使用16个子区域的特征联合表示,即64维向量。
部分实验结果
关键点检测
匹配结果图,这两幅图中相似的要素其实蛮多的,这使匹配的效果并不理想
图像的配准
参考文献
1. tornadomeet,特征点检测学习_2(surf算法),博客园,2012,8
2. Speeded up robust features(wiki百科)
Surf特征提取分析的更多相关文章
- SIFT特征提取分析
SIFT特征提取分析 sift 关键点,关键点检测 读'D. G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints[J] ...
- [转]SIFT特征提取分析
SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points) ...
- OpenCV Using Python——基于SURF特征提取和金字塔LK光流法的单目视觉三维重建 (光流、场景流)
https://blog.csdn.net/shadow_guo/article/details/44312691 基于SURF特征提取和金字塔LK光流法的单目视觉三维重建 1. 单目视觉三维重建问题 ...
- 第十三节、SURF特征提取算法
上一节我们已经介绍了SIFT算法,SIFT算法对旋转.尺度缩放.亮度变化等保持不变性,对视角变换.仿射变化.噪声也保持一定程度的稳定性,是一种非常优秀的局部特征描述算法.但是其实时性相对不高. SUR ...
- HOG特征提取分析(转)
背景引言 方向梯度直方图(Histogram of Oriented Gradient,HOG)是用于在计算机视觉和图像处理领域,目标检测的特征描述子.该项技术是用来计算图像局部出现的方向梯度次数或信 ...
- OpenCV245之SURF源代码分析
一.fastHessianDetector函数分析 (1)參数 const Mat& sum 积分图片 const Mat& mask_sum vecto ...
- SIFT特征提取分析(转载)
转载自: http://blog.csdn.net/abcjennifer/article/details/7639681 SIFT(Scale-invariant feature transform ...
- 图像局部显著性—点特征(SURF)
1999年的SIFT(ICCV 1999,并改进发表于IJCV 2004,本文描述):参考描述:图像特征点描述. 参考原文:SURF特征提取分析 本文有大量删除,如有疑义,请参考原文. SURF对SI ...
- python opencv3 特征提取与描述 DoG SIFT hessian surf
git:https://github.com/linyi0604/Computer-Vision DoG和SIFT特征提取与描述 # coding:utf-8 import cv2 # 读取图片 im ...
随机推荐
- JS 打印对象的方法
2 3 4 5 6 7 8 function writeObj(obj){ var description = ""; for(var i in obj){ var p ...
- core
http://blog.csdn.net/xiaoxiaoniaoer1/article/details/7740820 1.core文件的生成开关和大小限制--------------------- ...
- 二、JavaScript语言--JS实践--商城分类导航效果
商城类导航菜单制作(以京东为例--竖向列表横向伸缩) 可以用两种方式来实现:用CSS实现和用JS实现 方法一:用CSS实现(要点:使用hover) <!DOCTYPE html PUBLIC & ...
- 二叉树学习笔记之经典平衡二叉树(AVL树)
二叉查找树(BSTree)中进行查找.插入和删除操作的时间复杂度都是O(h),其中h为树的高度.BST的高度直接影响到操作实现的性能,最坏情况下,二叉查找树会退化成一个单链表,比如插入的节点序列本身就 ...
- Android 下拉刷新
以前旧版用的是开源的PullToRefresh第三方库,该库现在已经不再维护了: chrisbanes/Android-PullToRefreshhttps://github.com/chrisban ...
- 谈谈Delphi中的类和对象3---抽象类和它的实例
四.抽象类和它的实例 Delphi中有一个类称为是抽象类,你不能天真的直接为它创建一个实例,如 var StrLst: TString; begin StrLst:= TString.Create; ...
- <转>WCF实例化模式与高并发处理
WCF实例化模式与高并发控制 1.实例化模式InstanceModel 1.1 PerCall:单调模式 每次调用都会产生一个实例 例[ServiceBehavior(InstanceContextM ...
- [CentOS]安装软件:/lib/ld-linux.so.2: bad ELF interpreter解决
转自:http://blog.csdn.net/wanglei2258/article/details/24961233 [CentOS]安装软件:/lib/ld-linux.so.2: bad EL ...
- jackson对多态or多子类序列化的处理配置
[TOC] Jackson Jackson可以轻松的将Java对象转换成json对象和xml文档,同样也可以将json.xml转换成Java对象. 多态类型的处理 jackson允许配置多态类型处理, ...
- Oracle自动备份脚本(网上找到的资料)
废话不多说了,直接给大家贴代码了,具体代码如下所示: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 ...