Image processing Harris-Laplacian检测器和自动比例选择
我想对哈里斯-拉普拉斯检测器有一个基本的了解。我确实知道哈里斯探测器,但无法理解哈里斯-拉普拉斯探测器背后的想法 让我们假设有两个图像显示几乎相同的东西,但一个图像是缩放的。 我们希望找到所有感兴趣的点,以便稍后检查它们的对应性并计算单应矩阵。显然,我们需要一个尺度不变的兴趣点检测器 我认为Harris-Laplacian的工作原理(非常抽象;如果我错了,请纠正我):Image processing Harris-Laplacian检测器和自动比例选择,image-processing,computer-vision,feature-detection,Image Processing,Computer Vision,Feature Detection,我想对哈里斯-拉普拉斯检测器有一个基本的了解。我确实知道哈里斯探测器,但无法理解哈里斯-拉普拉斯探测器背后的想法 让我们假设有两个图像显示几乎相同的东西,但一个图像是缩放的。 我们希望找到所有感兴趣的点,以便稍后检查它们的对应性并计算单应矩阵。显然,我们需要一个尺度不变的兴趣点检测器 我认为Harris-Laplacian的工作原理(非常抽象;如果我错了,请纠正我): 将Harris检测器应用于两幅图像 对Harris检测器返回的每个兴趣点应用函数 保留使拉普拉斯函数最大化的所有点 缩放图像并
- 将Harris检测器应用于两幅图像
- 对Harris检测器返回的每个兴趣点应用函数
- 保留使拉普拉斯函数最大化的所有点
- 缩放图像并对两幅图像再次应用Harris检测器
- …重复其他步骤
很多问题:/我认为最好是阅读Mikolajczyk等人关于哈里斯·拉普拉斯的论文,也许还有他的论文的部分;但我会尽量回答你的问题 首先,你为什么要问拉普拉斯积分最大化的问题?拉普拉斯函数的三阶导数和四阶导数将为您提供关于拉普拉斯函数极值的信息,但是这里的情况不是这样的。Harris-Laplace检测器中使用了在拉普拉斯尺度上最大化的点 第二,“对Harris检测器返回的每个兴趣点应用函数”,据我所知,不,你不应用函数。 所以, 1-不是最大化拉普拉斯算子,但在该算法中,拉普拉斯尺度上的最大化被发现为F[拉普拉斯算子(尺度=x-1)]
我希望这有帮助,祝你好运:)你有很多问题,但我不会直接回答,因为问题很多。相反,我想说什么是“哈里斯-拉普拉斯”探测器: K.Mikolajczyk,C.Shmitd“基于尺度不变兴趣点的索引”,ICCV 2001中提到了“Harris-Laplacian”方法 “哈里斯角点探测器”是从1988年开始的一种在图像中查找康德的机制。(这是一个可以调谐的超音速计)。它可以为你提供转角和方向 “拉普拉斯算子”是微分算子,但在计算机视觉中,它可能意味着(询问与你交谈的人)“二维高斯函数的拉普拉斯算子乘以sigma^2”。其中Gausian是用prob的p.d.f形式写成的。理论(我提到它是因为例如e^{-\pi*x^2}的替代形式也很有用,但在概率论中没有使用)。 协方差矩阵是对角的。这是一个很好的高斯函数。在下文中,我将“二维高斯的归一化拉普拉斯函数”称为“L” 例如,在卷积输入图像后,您将得到另一个图像。这种输出称为响应(来自信号处理或信号滤波的术语) 在原始图像中通过Harris检测器估计角点的位置后,通过“卷积”图像与“L”匹配角点中物体的大小,并在“sigma”空间中找到最大响应。这就是名为“Harris-Laplacian”的方法 所以:哈里斯探测器给你一个posi