图像局部特征检测及描述电子书

内容提要

前言

第1章 引言

1.1 图像特征概述

1.2 常用术语

1.2.1 图像兴趣点

1.2.2 特征检测

1.2.3 特征提取

1.2.4 像素点的邻域

1.3 常用基本理论

1.3.1 尺度空间理论

1.3.2 机器学习

1.3.3 信息熵

1.4 特征提取的应用

1.5 小结

参考文献

第2章 角点检测

2.1 基于边缘的方法

2.1.1 基于链式编码曲线方法

2.1.2 基于B样条函数方法

2.1.3 基于支持域的方法

2.1.4 空域多尺度角点检测

2.1.5 变换域多尺度角点检测

2.2 基于模板的方法

2.2.1 Moravec算法

2.2.2 Rohr算法

2.2.3 快速角点检测算法

2.2.4 基于机器学习的方法

2.3 基于灰度导数的方法

2.3.1 Harris算法

2.3.2 Harris-Laplace算法

2.3.3 Förstner算法

2.4 小结

参考文献

第3章 边缘检测

3.1 基于导数的算法

3.1.1 Roberts算法

3.1.2 Prewitt算法

3.1.3 Sobel算法

3.1.4 Frei-Chen算法

3.1.5 Laplacian算法

3.2 滤波检测两步算法

3.2.1 LoG算法

3.2.2 Haralick算法

3.2.3 Canny算法

3.2.4 多尺度边缘检测

3.3 SUSAN算法

3.3.1 原始SUSAN算法

3.3.2 改进的SUSAN算法

3.4 亚像素检测方法

3.4.1 灰度矩边缘检测

3.4.2 空间矩边缘检测

3.5 基于随机森林的方法

3.5.1 随机森林

3.5.2 基于结构森林的快速边缘检测

3.6 小结

参考文献

第4章 斑点检测

4.1 SIFT检测算法

4.1.1 尺度空间极值点检测

4.1.2 特征点的确定过程

4.2 CSIFT检测算法

4.2.1 彩色不变性

4.2.2 CSIFT检测思想

4.3 ASIFT检测算法

4.4 SURF检测算法

4.4.1 基于黑塞矩阵的特征检测

4.4.2 积分图

4.5 小结

参考文献

第5章 特征点描述

5.1 LBP描述子

5.2 SIFT描述子

5.2.1 主方向计算

5.2.2 特征矢量生成

5.3 PCA-SIFT描述子

5.4 GLOH描述子

5.5 SURF描述子

5.5.1 主方向确定

5.5.2 特征矢量生成

5.6 WLD描述子

5.6.1 韦伯定律

5.6.2 WLD直方图

5.7 daisy描述子

5.7.1 支撑区域

5.7.2 方向导数计算

5.7.3 daisy描述子生成

5.8 BRIEF描述子

5.8.1 基本步骤

5.8.2 随机点对的选取和比较

5.9 ORB描述子

5.9.1 主方向确定

5.9.2 ORB描述子生成

5.10 小结

参考文献

第6章 直线描述

6.1 清晰直线的描述

6.1.1 霍夫变换法

6.1.2 最小二乘法

6.2 离焦线段的描述

6.2.1 脊形直线的灰度图模型

6.2.2 参数估计原理

6.2.3 鲁棒算法

6.3 小结

参考文献