[科普中國]-局部圖像特征

介紹

與線特征、紋理特征、結(jié)構(gòu)特征等全局圖像特征相比，局部圖像特征具有在圖像中蘊含數(shù)量豐富 ，特征間相關(guān)度小，遮擋情況下不會因為部分特征的消失而影響其他特征的檢測和匹配等特點。近年來 ，局部圖像特征在人臉識別 、三維重建、目標(biāo)識別及跟蹤 、影視制作 、全景圖像拼接 等領(lǐng)域得到了廣泛的應(yīng)用。典型的局部圖像特征生成應(yīng)包括圖像極值點檢測和描述兩個階段。好的局部圖像特征應(yīng)具有特征檢測重復(fù)率高、速度快 ,特征描述對光照、旋轉(zhuǎn)、視點變化等圖像變換具有魯棒性，特征描述符維度低，易于實現(xiàn)快速匹配等特點。

種類SIFT特征SIFT，即尺度不變特征變換，是用于圖像處理領(lǐng)域的一種描述。這種描述具有尺度不變性，可在圖像中檢測出關(guān)鍵點，是一種局部特征描述子。SIFT特征是圖像的局部特征，其對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。

SURF特征2006年，Bay和Ess等人基于SIFT算法的思路，提出了加速魯棒特征（SURF），該算法主要針對于SIFT算法速度太慢，計算量大的缺點，使用了近似Harr小波方法來提取特征點，這種方法就是基于Hessian行列式（DoH）的斑點特征檢測方法。通過在不同的尺度上利用積分圖像可以有效地計算出近似Harr小波值，簡化了二階微分模板的構(gòu)建，搞高了尺度空間的特征檢測的效率。

DAISY特征DAISY是面向稠密特征提取的可快速計算的局部圖像特征描述子，它本質(zhì)思想和SIFT是一樣的：分塊統(tǒng)計梯度方向直方圖，不同的是，DAISY在分塊策略上進行了改進，利用高斯卷積來進行梯度方向直方圖的分塊匯聚，這樣利用高斯卷積的可快速計算性就可以快速稠密地進行特征描述子的提取。比較巧合的是，DAISY這種特征匯聚策略被一些研究者通過機器學(xué)習(xí)的方法證明相對于其他幾種特征匯聚策略（卡迪爾坐標(biāo)下分塊、極坐標(biāo)下分塊）是最優(yōu)的。1

發(fā)展現(xiàn)狀及趨勢局部圖像特征的提取通常是作為計算機視覺與數(shù)字圖像處理中許多問題的第一步，例如圖像分類、圖像檢索、寬基線匹配等，提取特征的優(yōu)劣直接影響任務(wù)的最終性能。因此，局部特征提取方法具有重要的研究價值。然而，圖像經(jīng)常發(fā)生尺度、平移、旋轉(zhuǎn)、光照、視角以及模糊等變化，特別是在實際應(yīng)用場景中，圖像不可避免的會存在較大噪聲干擾、復(fù)雜背景和較大的目標(biāo)姿態(tài)變化。這就給圖像局部特征提取問題帶來了更大的挑戰(zhàn)。因此，局部圖像特征的研究仍然具有重要的理論意義和應(yīng)用價值，值得研究者繼續(xù)關(guān)注。