点特征类型
图像特征检测是许多计算机视觉任务的组成部分,如图像配准、跟踪和目标检测。计算机视觉工具箱™包括多种图像特征检测功能。这些函数返回的点对象存储特定于特定类型的特征的信息,包括(x,y)坐标(在位置
属性)。您可以将一个points对象从检测函数传递给需要特征点作为输入的各种其他函数。检测函数使用的算法决定了它返回的points对象的类型。有关更多细节,请参见局部特征检测与提取.
返回指向对象的函数
点对象 | 返回的 | 特征类型 |
---|---|---|
cornerPoints |
detectFASTFeatures 加速段测试(FAST)算法的特点 使用近似的度量来确定角。[1] |
角落 |
detectMinEigenFeatures 最小特征值算法 采用最小特征值法确定转角位置。[4] |
||
detectHarrisFeatures Harris-Stephens算法 比最小特征值算法更有效。[3] |
||
BRISKPoints |
detectBRISKFeatures 二进制稳健不变可扩展关键点(BRISK)算法[6] |
角落 |
SIFTPoints |
detectSIFTFeatures 尺度不变特征变换 |
斑点 |
SURFPoints |
detectSURFFeatures 加速鲁棒特征(SURF)算法[11] |
斑点 |
ORBPoints |
detectORBFeatures 定向快速和旋转简短(ORB)方法[13] |
角落 |
KAZEPoints |
detectKAZEFeatures KAZE不是一个首字母缩写,而是一个日语单词的名字kaze,意思是风。参考的是在大范围内由非线性过程控制的空气流动。[12] |
多尺度斑点特征 减少模糊的对象边界 |
MSERRegions |
|
强度均匀的区域 |
接受点对象的函数
函数 | 描述 | ||||
---|---|---|---|---|---|
estrelpose |
计算相机姿态之间的相对旋转和平移 |
||||
estimateFundamentalMatrix |
从立体图像的对应点估计基本矩阵 | ||||
estgeotform2d |
从匹配点对估计几何变换 | ||||
estimateUncalibratedRectification |
未经校准的立体声校正 | ||||
extractFeatures |
提取兴趣点描述符 | ||||
方法 | 特征向量 | ||||
轻快的 |
函数设置取向 的属性validPoints 输出对象到提取特征的方向,以弧度为单位。 |
||||
狂 |
函数设置取向 的属性validPoints 输出对象到提取特征的方向,以弧度为单位。 |
||||
冲浪 |
函数设置 当你使用 |
||||
KAZE |
基于非线性金字塔的特征。 函数设置 当你使用 的 |
||||
ORB |
函数不设置取向 的属性validPoints 输出对象到提取的特征的方向。默认情况下,取向 的属性validPoints 设置为取向 输入的属性ORBPoints 对象。 |
||||
块 |
简单的方形社区。 的 |
||||
汽车 |
函数选择
对于一个米-by-2输入矩阵xy函数实现了 |
||||
extractHOGFeatures |
提取定向梯度(HOG)特征的直方图 | ||||
insertMarker |
在图像或视频中插入标记 | ||||
showMatchedFeatures |
显示对应的特征点 | ||||
由三角形组成的 |
立体图像中未变形匹配点的三维定位 | ||||
undistortPoints |
纠正镜头失真的点坐标 |
参考文献
[1] Rosten, E.和T. Drummond,“高速拐角检测的机器学习”。第九届欧洲计算机视觉会议.第1卷,2006,第430-443页。
[2]米科拉契克,K.和C.施密德。“局部描述符的性能评估。”模式分析与机器智能汇刊。2005年第10期,第27卷第1615-1630页。
[3]哈里斯C和M. J.斯蒂芬斯。“角和边缘联合探测器。”第四届阿尔维视觉会议论文集.1988年8月,第147-152页。
[4] Shi, J.和C. Tomasi。“值得追踪的好特性。”IEEE计算机视觉与模式识别会议论文集.1994年6月,第593-600页。
[5] Tuytelaars, T.和K. Mikolajczyk。局部不变特征检测器:概论。计算机图形与视觉基础与趋势“,.2007年第3期,第177-280页。
[6]卢滕艾格,S., M. Chli, R. Siegwart。二进制健壮不变可扩展关键点。IEEE国际会议论文集.ICCV, 2011年。
[7]尼斯特,D.和H. Stewenius。"线性时间最大稳定极值区域"计算机科学讲座讲稿。第十届欧洲计算机视觉会议.马赛,法国:2008年,no。5303页,183-196页。
[8]马塔斯,J., O. Chum, M. Urba, T. Pajdla。"从最稳定的极值区域获得强大的宽基线立体声"英国机器视觉会议论文集.2002,第384-396页。
[9] Obdrzalek D., S. Basovnik, L. Mach和A. Mikulik。"使用最大稳定的色彩区域检测场景元素"计算机与信息科学通信“,.La Ferte-Bernard,法国:2009,卷82,CCIS(2010 12 01),第107-115页。
[10]米科拉奇克,K, T.图伊特拉斯,C.施密德,A.齐瑟曼,T.卡迪尔,L.凡古尔。仿射区域探测器的比较。国际计算机视觉杂志.2005年11月,第65卷1-2号,第43-72页。
[11]贝,H., A. Ess, T. Tuytelaars和L. Van Gool。“SURF:加速健壮的功能。”计算机视觉与图像理解(CVIU).Vol。110,第3期,2008,第346-359页。
[12]阿尔坎塔利拉,p.f., A.巴托利,A. j .戴维森。“KAZE功能”,ECCV 2012,第VI部分,LNCS 75772012年第214页
[13]鲁布礼,E., V. Rabaud, K. Konolige和G. Bradski。“ORB: SIFT或SURF的有效替代品。”在2011年计算机视觉国际会议论文集, 2564 - 2571。2011年,西班牙巴塞罗那。
[14]罗斯滕,E,和t。德拉蒙德。“融合点和线的高性能跟踪,”IEEE计算机视觉国际会议论文集第二卷(2005年10月):第1508-1511页。
[15] Lowe, David G..“来自比例不变关键点的独特图像特征。”Int。j .第一版。愿景60,不。2(2004): 91-110。