摘要： 找到了一篇比较好的关于几种重要局部特征的综述，原文地址：http://www.sigvc.org/bbs/thread-165-1-1.html。如果有谁找到更加丰富的，涉及到HOG、LBP等特征一起加以比较的文章，请告诉我，一起分享。 转载本文请注明出处：http://blog.csdn.net/jiang1st2010/article/details/8909709-----------------------------------------------------------------------------------------------------------------. 阅读全文

摘要： 转载请注明出处：http://www.cnblogs.com/jiang1st2010/archive/2013/05/14/3077937.html 前面两讲中主要是针对SIFT和SURF做了一些介绍。他们的检测子比较稳定，描述子比较鲁棒，好像非常棒的样子。但是有一点非常遗憾，就是他们在对图像进行处理的过程中，都把图像转化为灰度图像进行处理，这样就丢失了颜色信息。而颜色，本身提供了很大的信息量，丢失了特别可惜。很多人可能就会想，如何在描述子中加入颜色信息。在这一讲中，我们就重点介绍一下改进的SIFT/SURF的Color Descriptor。 这里的Descriptor，其实我... 阅读全文

摘要： (转载请注明来源： http://blog.csdn.net/jiang1st2010/article/details/6567452)共同点：SIFT/SURF为了实现不同图像中相同场景的匹配，主要包括三个步骤：1、尺度空间的建立；2、特征点的提取；3、利用特征点周围邻域的信息生成特征描述子4、特征点匹配。 从博客上看到一片文章，http://blog.csdn.net/cy513/archive/2009/08/05/4414352.aspx，这一段的大部分内容源于这篇文章，推荐大家去看看。 如果两幅图像中的物体一般只是旋转和缩放的关系，加上图像的亮度及对比度的不同，要在这些条... 阅读全文

摘要： 第一部分：兴趣点的检测1、 建立积分图。优点：任何一个垂直矩形区域的面积只需要进行3次 +/-法就能计算。一阶的haar小波响应只要5次+/-法就能计算。计算的时间和区域大小无关。2、 建立图像的尺度空间(应该分别有Dxx、Dxy、Dyy 三个尺度金字塔)：用box filters代替二阶高斯差分模板。保持图像的大小不变，对box filters进行尺度变换：建立高斯金字塔，金字塔分为多个Octaves，每个Octave分为4个Scale levels。第一级的Octave的模块大小为9、15、21、27（相差6），第二级为15、27、39、51（相差12），第三级为27、51、75、99（相 阅读全文

摘要： 转载请注明此文来源： http://www.cnblogs.com/jiang1st2010/archive/2013/05/14/3077924.html在入门篇中偶尔谈到了Harris Corner，在这里我们就重点聊一聊Harris Corner。Harris Corner是最典型的角点检测子Corner Detector。角点经常被检测在边缘的交界处、被遮挡的边缘、纹理性很强的部分。满足这些条件一般都是稳定的、重复性比较高的点，所以实际上他们是不是角点并不重要（因为我们的目标就是找一些稳定、重复性高的点以作为特征点）。Harris Corner基于二阶矩阵：这个矩阵描述了局部邻域内梯度 阅读全文

摘要： 转载请注明来源：http://www.cnblogs.com/jiang1st2010/archive/2013/05/14/3077919.html局部特征 （local features），是近来研究的一大热点。大家都了解全局特征（global features），就是方差、颜色直方图等等。如果用户对整个图像的整体感兴趣，而不是前景本身感兴趣的话，全局特征用来描述总是比较合适的。但是无法分辨出前景和背景却是全局特征本身就有的劣势，特别是在我们关注的对象受到遮挡等影响的时候，全局特征很有可能就被破坏掉了。而所谓局部特征，顾名思义就是一些局部才会出现的特征，这个局部，就是指一些能够稳定出现并且 阅读全文