信息处理 - 了解多尺度哈里斯角检测器中的积分尺度 - 吾爱随笔录

了解多尺度哈里斯角检测器中的积分尺度

信息处理局部特征哈里斯角落检测

2022-02-11 22:55:27

我想通过添加更多尺度来改进简单的哈里斯角检测器。

我不需要尺度不变的兴趣点，只是为了通过处理更多尺度来检测更多点。

维基百科说有两个 sigma 涉及：一个衍生规模 $\sigma_{D}$ 和整合规模 $\sigma_{I}$ .

因此，在给定级别计算衍生图像后，我使用大小为高斯滤波器对它们进行平滑处理 $\sigma_{D}$ ，然后对于每个位置 $(x,y)$ 在图像中我有矩阵：

$H(x,y)=\begin{pmatrix}I_{x}^{2} & I_{x}I_{y} \\ I_{x}I_{y} & I_{y}^{2} \end{pmatrix}$

在哪里 $I_{x}$ 和 $I_{y}$ 是平滑的图像（与 $\sigma_{D})$ 在各自的位置。

如何应用集成量表 $\sigma_{I}$ 现在？

我是否必须存储单独的图像 $I_{x}^{2}$ , $I_{y}^{2}$ 和 $I_{x}I_{y}$ 并用 $\sigma_{I}$ 在计算矩阵和哈里斯角响应之前？

1个回答

我认为第一次平滑，由 $\sigma_D$ , 仅用于获得更稳定的导数，而在第二步中，高斯卷积与 $\sigma_I$ 完成以建立应用运算符的“比例空间”。

忽略 $\sigma_D$ ，这在 Matlab 中看起来像这样：

dx = [-1 0 1; -1 0 1; -1 0 1];  % Simple mask for derivative 
Ix = conv2(im, dx, 'same');     % Convolve against image
Iy = conv2(im, dx', 'same');    % Again for y-direction with transposed mask

% Gaussian filter, as defined by Kovesi
% www.csse.uwa.edu.au/~pk/Research/MatlabFns/index.html
sigma = 1;
g = fspecial('gaussian', max(1, fix(6*sigma)), sigma);  

% Determine smoothed squared image derivatives via convolution
Ix2 = conv2(Ix.^2, g, 'same'); 
Iy2 = conv2(Iy.^2, g, 'same');
Ixy = conv2(Ix.*Iy, g, 'same');

% Metric to define the corner score
cim = (Ix2.*Iy2 - Ixy.^2) - k*(Ix2 + Iy2).^2;    % Original measure
cim = (Ix2.*Iy2 - Ixy.^2)./(Ix2 + Iy2 + eps);    % Kovesi measure

其它你可能感兴趣的问题

上一篇从 2D 人脸图像到 3D 人脸的纹理映射下一篇多维小波容许准则