图像特征检测是许多计算机视觉任务的构建块,例如图像配准,跟踪和对象检测。计算机Vision Toolbox™包括用于图像特征检测的各种功能。这些函数返回要存储特定于特定类型的功能的信息的点对象,包括(x,y)坐标(在位置
属性)。您可以将一个点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确定它返回的点对象的类型。
点对象 | 返回的 | 类型的特性 |
---|---|---|
cornerPoints |
detectFASTFeatures 加速段测试(FAST)算法的特点 使用近似度量来确定角落。[1] |
角落 |
侦探训练 最小特征值算法 使用最小的特征值度量来确定角落位置。[4] |
||
detectHarrisFeatures 哈里斯 - 斯蒂芬斯算法 比最小特征值算法更有效。[3] |
||
Brikspoint. |
detectBRISKFeatures 二进制强大的不变可伸缩关键点(快速)算法[6] |
角落 |
SURFPoints |
detectSURFFeatures 加速鲁棒特征(SURF)算法[11] |
斑点 |
ORBPoints |
detectORBFeatures 定向快速和旋转的简短(ORB)方法[13] |
角落 |
KAZEPoints |
detectKAZEFeatures KAZE不是首字母缩略词,而是由日语单词衍生出来的名字kaze,意思是风。参考文献是指在大尺度上由非线性过程控制的空气流动。[12] |
多尺度blob特性 减少物体边界的模糊 |
MSERREGIONS |
|
均匀强度区域 |
函数 | 描述 | ||||
---|---|---|---|---|---|
relativeCameraPose |
计算相机姿态之间的相对旋转和平移 |
||||
estismsfundamentalmatrix. |
从立体声图像中的对应点估计基本矩阵 | ||||
estimateGeometricTransform2D |
从匹配点对估计几何变换 | ||||
estimateUncalibratedRectification |
未校准的立体声整改 | ||||
extractFeatures |
提取兴趣点描述符 | ||||
方法 | 特征向量 | ||||
轻快的 |
函数将方向 财产的validPoints 输出对象到弧度中提取特征的方向。 |
||||
狂 |
函数将方向 财产的validPoints 输出对象到弧度中提取特征的方向。 |
||||
冲浪 |
函数将方向 财产的validPoints 输出对象到弧度中提取特征的方向。当你使用的时候 |
||||
KAZE |
非线性金字塔的特征。 函数将 当你使用的时候 这 |
||||
or |
函数不设置方向 财产的validPoints 输出对象为所提取特征的方向。默认情况下,方向 的属性validPoints 设置为方向 输入属性ORBPoints 对象。 |
||||
块 |
简单的方形neighbhorhood。 这 |
||||
汽车 |
函数选择方法 基于输入点和实施的类:
为m-2-2输入矩阵[Xy]坐标,功能实现了 |
||||
extractHOGFeatures |
提取面向梯度(HOG)特征的直方图 | ||||
InsertMarker. |
在图像或视频中插入标记 | ||||
showMatchedFeatures |
显示相应的特征点 | ||||
由三角形组成的 |
立体图像中未畸变匹配点的三维位置 | ||||
undistortPoints |
镜头失真的正确点坐标 |
[1]罗斯滕,E.和T. Drummond,“用于高速角检测的机器学习”。第9欧洲电脑愿景会议.2006年第1卷,430-443页。
[2] Mikolajczyk,K.和C.施密。“绩效评估本地描述符。”图案分析与机器智能的IEEE交易。第27卷,第10期,2005,1615-1630页。
[3]哈里斯,C.和M. J. Stephens。“一个组合的角和边缘探测器。”第四届Alvey Vision会议的诉讼程序.1988年8月,第147-152页。
作者简介:Shi, J., and C. Tomasi。“需要跟踪的好功能。”计算机愿景和模式识别的IEEE会议的诉讼程序.1994年6月,第593-600页。
Tuytelaars, T.和K. Mikolajczyk。“局部不变特征检测器:综述”计算机图形和视觉的基础和趋势.2007年第3卷第3期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国际会议论文集.ICCV, 2011年。
[7] Nister, D.和H. Stewenius。线性时间最大稳定极值区域计算机科学讲义。第十届欧洲计算机视觉会议.法国马赛:2008年第1位。5303年,页183 - 196。
[8] Matas,J.,O. Chum,M. Urba和T.Pajdla。“来自最大稳定的极值区域的强大宽基线立体声。”英国机器视觉会议的诉讼程序.2002年,页384 - 396。
[9] Obdrzalek D.,S. Basovnik,L. Mach和A. Mikulik。“使用最大稳定的颜色区域检测场景元素。”计算机和信息科学的通信.La Fertce-Bernard,法国:2009,Vol。82 CCIS(2010年12 01),PP 107-115。
Mikolajczyk, K., T. Tuytelaars, C. Schmid, A. Zisserman, T. Kadir和L. Van Gool。仿射区域探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,43-72页。
[11]湾,H.,A.ESS,T. Tuytelaars和L. Van Gool。“冲浪:加速强大的功能。”计算机愿景和图像理解(CVIU).vol。110,第3,2008,PP。346-359。
Alcantarilla, p.f., A. Bartoli和A.J. Davison。“KAZE功能”,ECCV 2012, Part VI, LNCS 7577PP。214,2012
Rublee, E., V. Rabaud, K. Konolige和G. Bradski。ORB: SIFT或SURF的有效替代品。在2011国际计算机视觉会议论文集,2564-2571。巴塞罗那,西班牙,2011年。
[14]罗斯滕,E.和T. Drummond。“高性能跟踪的融合点和线条,”IEEE计算机愿景国际会议的诉讼程序,卷。2(2005年10月):PP。1508-1511。