局部检测子比较.doc

局部检测子的比较 Mikolajczyk等人在2005年对六种重要的仿射不变局部特征检测子进行了实验比较[3]，该实验具有很重要的意义： 该实验比较的六种局部检测子分别是：Harris-Affine， Hessian–Affine[ 该实验提出了一种比较局部检测子的标准实验图像和实验方法： 实验图像：包括视角变换，尺度变换，光照变换，图像模糊和图像压缩5种变换；具有纹理性图片和结构性图片；所有的图片要么内容是平面场景，要么在成像时摄像机位置固定，所以同一场景的图片之间可以用homography联系起来，并且所有这些homography已经被计算出来用以计算实际的匹配。 试验方法：该实验方法测量了两个标准即重现性和可分性 重现性用来衡量检测子在一对图片中检测到的对应区域之间重合的准确性。首先将所有检测到的特征局部变换到一个半径30像素的区域，然后按照以下方法计算一对图片中检测到的相应特征区域之间重合的程度： 其中表示特征区域，H表示这对图片之间的homography。当特征区域重合度达到一定值，如0.6，则认为检测到的这两个特征区域对应。然后计算两个指标：1）所有对应特征区域的数目；2）所有对应特征区域的数目和两幅图片中共同场景部分中检测到的所有特征区域数目较小者之间的比值。 然后用这两个指标来比较所有的检测子在所有实验图片上的效果。 可分性用来衡量检测到的区域匹配准确性。首先将检测到的特征区域变换到一个30 * 30 的圆形区域然后在该区域上计算SIFT描述子。计算一对图片中正确匹配的描述子的数目和所有匹配数的比值，该指标用来衡量可分性。 比较实验的结论主要有 MSER和EBR方法在包含被明显边缘包围的同质区域的图片中表现非常好。 Hessian-Affine和Harris-Affine比其它检测子检测出的特征局部多 基于MSER的局部特征检测方法的必威体育精装版研究成果 2005年Mikolajczyk等人对六种主要的仿射无关局部特征点检测子进行了比较[3]，其中一个很重要的比较结果就是使用MSER方法检测出的局部在视角变换，尺度变换，光照变换，图像压缩和图像模糊这五种情况下在重现性和区分性方面处于领先的位置。因此，近两年来对于MSER方法的研究多起来，一些新提出的方法分别在颜色，形状和检测方法上提出了创新。 [1]针对MSER方法检测到的特征局部数目少的缺点提出了一种在全部等辐透线上构建稳定Affine Frame的方法SAF (Stable Affine Frames)。这种方法的提出基于这样一个思路：MSER方法是在稳定的辐透线上构建Affine Frame， 但是实际的自然场景图片中稳定的辐透线数目并不多，所以导致检测到的特征局部数目较少，另一方面，自然图片中大量存在的则是部分稳定的辐透线，SAF方法就是通过在所有的辐透线上构建稳定的Affine Frame的方法来检测较多数目的特征局部，同时保证较高的特征局部重现性和可分性。ASF方法可以分解为以下几个方面： 继承了MSER方法的一些基本概念，如“局部”（Region）， “极值区域”（Extremal Region），内外区域边缘(inner and outer region boundary)，并且定义离散等辐透线(Discrete Isophote)为极值区域的外边缘。 提出了两种在等辐透线上构建Affine Frame的方法： 记等辐透线的双切线的两个切点为x, y, 记x, y间的等辐透线上离双切线最远的一点为o. 计算一个仿射变换矩阵A, 该矩阵将一个正规化坐标系下的（1, 0）, (0, 0) 和（0, 1）变换到x, y , o的坐标。 用这个矩阵A来表示Affine Frame. 利用极值区域的坐标协方差矩阵，重心点坐标和局部区域最大曲率点坐标计算一个放射变换矩阵A, 用该矩阵来表示Affine Frame. 在所有构建的Affine Frame中寻求稳定的那些。该方法首先定义了几个概念： Affine Frame之间的不相似度测量： } “相似区域序列”： 一系列极值区域, 其中和灰度邻接且其中任意两个区域之间的不相似度小于一定阈值。 然后在相似区域序列中寻找满足关系： 的最长子串{，则Affine Frame 的稳定性由该子串的长度来量度。该长度大于阈值s的Affine Frame被认为是稳定的。 [4]提出了一种使用颜色距离阈值的基于MSER方法的检测子MSCR，该方法可以总结如下： 作者根据照相机成像过程提出用离散普哇松分布来建模图片中的噪音，并据此提出两个相邻像素点间的颜色距离为： 其中，表示x点的第k个颜色通道的颜色分量值。 定义两种像素间的“邻接关系”，一种包含了水平和垂直关系，另一种还包括了对角线关系。 该方法使用动态阈值的方法迭代的把像素归