影像匹配及其应用(武汉大学-郭丙轩-肖雄武).pptx

影像匹配;内容;—概述;—概述;目标识别;三维重建（贵阳金阳）;如何达到精度高、匹配正确率高、速度快、鲁棒性和抗干扰性强，成为追求的目标。;—概述;一、概述;2.1.基于灰度的匹配算法;早期的研究中一般使用相关技术解决影像匹配问题。;;1 相关函数;2 协方差函数;3 相关系数;4 差平方和;5 差绝对值和;灰度差的平方和最小;线性化后的误差方程：;最小二乘匹配流程;2.1.基于灰度的匹配算法;2.2基于特征的匹配算法;1 特征匹配的一般流程;2特征提取;（1）角点检测;LocalfeaturesDetection:;Harrisdetector(Harris,1988);影像信号的局部自相关函数;Autocorrelation(secondmoment)matrix;Harrisdetector流程

Imagederivatives

Squareofderivatives;Hessiandetector(Beaudet,1978);小总结

Harrisdetector

Rotationinvariant? Yes;2特征提取;（2）尺度不变特征检测;尺度选择

TheLaplacian-of-Gaussian(LoG)Detector

TheDifference-of-Gaussian(DoG)Detector

TheHarris-LaplaceDetector

TheHessian-LaplaceDetector;（2）尺度不变特征检测;（2）尺度不变特征检测;（2）尺度不变特征检测;Laplacian-of-Gaussian(LoG)尺度空间的局部极大值点;（2）尺度不变特征检测;;LoGandDoG;（2）尺度不变特征检测;（2）尺度不变特征检测;Detectors总结;2特征提取;（1）仿射不变性特征区域检测;应用：视角差异导致的几何形变;;Harris/HessianAffine

给定一组由Harris-Laplace算子得到其尺度特征的初始点，用椭圆形区域获得仿射不变性。具体处理步骤如下：

由Harris-Laplace算子获得兴趣点初始区域(2)由二阶矩矩阵估计区域仿射形状

归一化仿射区域成为圆形区域

在归一化的影像上重新检测新的位置和尺度(5)如果二阶矩矩阵的特征值在新的点上不相等，则转(2);图：利用二阶矩矩阵的特征值估计兴趣点区域的仿射形状，变换是用该矩阵的平方根进行的，经过归一化的图像XL

和XR之间的变换是旋转变换关系，只取决于一个旋转因子，因子大小代表了特征值的比率;图：Harris-Affine算子检测的从不同视角得到的结果图;（1）仿射不变性特征区域检测;;MSER;MSER椭圆表达;构造仿射不变性区域;小总;Harris-Laplace(HRL)

scale-adaptedHarris(rotationinvariant)

Laplacian-of-Gaussianscale-space(scaleinvariant)detectscornerlikestructures

Hessian-Laplace(HSL)

Hessiandetector(rotationinvariant)

Laplacian-of-Gaussianscale-space(scaleinvariant)blob-likestructures

higherlocalizationaccuracythanDoGhigherscaleselectionaccuraythanHRL

Laplacekernelfitsbettertoblobsthantocorners

Difference-of-Gaussian(DoG)

localscale-spacemaximaoftheDoGblob-likestructures

respondtoedges(unstable)

Harris-Affine(HRA)

localizationandscaleestimatedbyHRL

affineadaptationprocessbasedonsecondmomentmatrix

Hessian-Affine(HSA)

HSL+affineadaptationprocess;2.2基于特征的匹配算法;3 特征描述;Illumination;几类特征描述符

基于滤波器的描述符

基于分布的描述符

其他描述符;基于滤波器的描述符;;―localjet‖;;基于分布的描述符;其他描述符;Momentinvariants

G