计算机视觉-局部特征

一、局部特征

1.1全景拼接

先用RANSAC估计出变换，就可以拼接两张图片

①提取特征

②匹配特征

③拼接图像

1.2 点的特征

怎么找到对应点？（才能做点对应关系RANSAC）

：特征检测

我们希望找到的点具有的特征有什么特性？

①可重复性，左边图像的点右边也有

②显著性，左边和右边显著特征相似可匹配

③计算效率和表达紧凑性

④局部性计算一个特征只与在一小块计算

二、角点

2.1

在角点，往任意方向移动窗体都会发生变化

2.1 角点的数学描述

u,v\]：平移量 ![](https://i-blog.csdnimg.cn/direct/e46a23c8d7ed4a899a2010aedb2ec521.png) E\[u,v\]：移动前和移动后两个窗口的差异值 通过分析（u,v）对E（u，v）的影响，就能判断出是不是角点 ![](https://i-blog.csdnimg.cn/direct/79f3f0ede89b4fc0ada1e6aa6d720d98.png) w(x,y)是一个权值，每个点的贡献不一样（高斯） E(u,v)最大的点就是角点 ![](https://i-blog.csdnimg.cn/direct/9c803da7e6254b7c903098037264b382.png) 用泰勒展开，建立E(u,v)和(u,v)的直接关系。E(u,v)是移动都得变化差异，(u,v)是移动量 ![](https://i-blog.csdnimg.cn/direct/d0326df55b6b48c2b052cf2fb710bbfe.png) ![](https://i-blog.csdnimg.cn/direct/918e8609ea264107acccf2b17f107127.png) ![](https://i-blog.csdnimg.cn/direct/15b9cde465cd4d85a46d2a71c20fd9e9.png) ![](https://i-blog.csdnimg.cn/direct/6d1b27684b284d52b09208886fec0697.png) 给出一个u,v，就可以画出一个椭圆 ![](https://i-blog.csdnimg.cn/direct/05bb8de23a084cabac079d7f33e6924a.png) ![\lambda](https://latex.csdn.net/eq)有一个等于0，就和其中一个u或v有关系，两个![\lambda](https://latex.csdn.net/eq)都等于0，就是，uv怎么变E(u,v)都不变， ![](https://i-blog.csdnimg.cn/direct/c6652cc25dfc4526b8fec5e0940b69ac.png) 判断是不是角点的问题转化为求M特征值的问题 ![](https://i-blog.csdnimg.cn/direct/16d9ba5e97cd478fb34fec52e23f265a.png) ![](https://i-blog.csdnimg.cn/direct/1e3b9c3639ce42f7ab22af68bb4ab43d.png) ![](https://i-blog.csdnimg.cn/direct/be2c40a01f534923a4e0eb5eac07b715.png) ![](https://i-blog.csdnimg.cn/direct/363ca37d68ab40c69f8edaf51d0694e7.png) ![](https://i-blog.csdnimg.cn/direct/001395705ea9485c89fd4b94deb7537b.png) ![](https://i-blog.csdnimg.cn/direct/e7d9f9e6d25c45bf9d1dae1246ea5cf9.png)