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™包括各种功能的图像特征检测。这些函数返回点对象,这些对象存储特定类型特性的信息,包括(x,y)坐标地方
财产)。可以将点对象从检测函数传递到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确定其返回的点对象的类型。
点对象 | 退回 | 特征类型 |
---|---|---|
拐点 |
检测广播功能 快速分段测试(FAST)算法的特征 使用近似的度量来确定角。[1] |
角落 |
detectMinEigenFeatures 最小特征值算法 使用最小特征值度量来确定角点位置。[4] |
||
检测错误特征 Harris-Stephens算法 比最小特征值算法更有效。[3] |
||
BRISKPoints |
detectBRISKFeatures 二元鲁棒不变可扩展关键点算法[6] |
角落 |
筛点 |
detectSIFTFeatures 尺度不变特征变换 |
斑点 |
冲浪点 |
检测特征 加速鲁棒特征(SURF)算法[11] |
斑点 |
ORBPoints |
检测器特征 面向FAST和旋转BRIEF (ORB)方法[13] |
角落 |
卡泽波因茨 |
检测特征 KAZE不是一个首字母缩略词,而是一个源自日语的名字卡泽,意思是风。指的是由大规模非线性过程控制的气流。[12] |
多尺度斑点特征 减少了对象边界的模糊 |
MSERRegions |
均匀强度区 |
作用 | 描述 | ||||
---|---|---|---|---|---|
相对半乳糖 |
计算相机姿势之间的相对旋转和平移 |
||||
基础矩阵估计 |
从立体图像中对应的点估计基本矩阵 | ||||
估计几何变换2D |
从匹配点对估计几何变换 | ||||
估计未校准的结晶 |
未校准立体校正 | ||||
提取特征 |
提取兴趣点描述符 | ||||
方法 | 特征向量 | ||||
轻快的 |
该函数设置取向 财产有效点数 输出对象到所提取特征的方向,以弧度为单位。 |
||||
怪胎 |
该函数设置取向 财产有效点数 输出对象到所提取特征的方向,以弧度为单位。 |
||||
冲浪 |
该函数设置取向 财产有效点数 输出对象到所提取特征的方向,以弧度为单位。当你使用 |
||||
卡泽 |
基于非线性金字塔的特点。 该函数设置 当你使用 的 |
||||
ORB |
该函数不设置取向 财产有效点数 将对象输出到提取特征的方向。默认情况下取向 性质有效点数 设置为取向 输入的属性ORBPoints 对象 |
||||
块 |
简单的方形邻居。 的 |
||||
汽车 |
该函数选择方法 基于输入点类并实现:
对于一个米-by-2输入矩阵[xy,函数实现 |
||||
提取特征 |
提取定向梯度特征的直方图 | ||||
insertMarker |
在图像或视频中插入标记 | ||||
显示匹配的功能 |
显示相应特征点 | ||||
三角测量 |
立体图像中无失真匹配点的三维定位 | ||||
不失真点 |
对透镜畸变的点坐标进行修正 |
[1] Rosten, E.,和T. Drummond,“机器学习用于高速角点检测”。第九届欧洲计算机视觉会议2006年第1卷,第430-443页。
Mikolajczyk, K.和C. Schmid。“对本地描述符的性能评估。”模式分析与机器智能学报。第27卷,2005年第10期,第1615-1630页。
C.哈里斯和M. J.斯蒂芬斯。“一个综合的角和边缘检测器。”第四届Alvey Vision会议论文集.1988年8月,第147-152页。
[4] Shi,J.和C.Tomasi.“好的跟踪功能。”计算机视觉与模式识别会议论文集1994年6月,第593-600页。
Tuytelaars, T.和K. Mikolajczyk。“局部不变特征检测器:综述”计算机图形学和视觉的基础和发展趋势. 2007年第3期第3卷,第177-280页。
Leutenegger, S., M. Chli, R. Siegwart。“敏捷:二进制鲁棒不变可扩展关键点”IEEE国际会议记录.ICCV,2011年。
[7] 线性时间最大稳定极值区域计算机科学的课堂讲稿。第十届欧洲计算机视觉会议. 法国马赛:2008年,第5303号,第183-196页。
Matas J., O. Chum, M. Urba, T. Pajdla。来自最稳定极值区域的稳健宽基线立体声英国机器视觉会议论文集2002年,第384-396页。
Obdrzalek D., S. Basovnik, L. Mach,和A. Mikulik。使用最稳定的色彩区域检测场景元素计算机与信息科学通讯.La Ferte-Bernard,法国:2009,Vol. 82 CCIS (2010 12 01), pp 107-115。
[10] Mikolajczyk,K.,T.Tuytelaars,C.Schmid,A.Zisserman,T.Kadir和L.Van Gool。“仿射区域检测器的比较。”国际计算机视觉杂志第65卷,第1-2期,2005年11月,第43-72页。
H. Bay, A. Ess, T. Tuytelaars和L. Van Gool。“SURF:加速健壮功能。”计算机视觉与图像理解(CVIU).Vol。110, No. 3, 2008, pp. 346-359。
[12] 阿尔坎塔利拉,P.F.,A.巴托利和A.J.戴维森。“卡泽特色”,ECCV 2012,第六部分,LNCS 7577214年,2012页
[13] 鲁布利,E.,V.拉博,K.科诺里奇和G.布拉德斯基。“圆球:筛选或冲浪的有效替代品。”摘自2011年国际计算机视觉会议记录, 2564 - 2571。2011年西班牙巴塞罗那。
E. Rosten和T. Drummond。“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2卷(2005年10月):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。