基于曲率尺度空间的角点检测概要.ppt

,Therearelocalmaximaontheevolvedcontoursduetoroundedcorners.Thesecanberemovedbyintroducingathresholdvalue.Thecurvatureofasharpcornerishigherthanthatofaroundedcorner.Thereisonenaladditiontothecornercandidatedeclaration.Eachlocalmaximumofcurvatureiscomparedtoitstwoneighboringlocalminima.Thecurvatureofacornerpointhastobe2timeshigherthanthecurvatureofaneighboringextremum.Thisisnecessarysinceifthecontouriscontinuousandround,thecurvaturevaluesarewellabovethethresholdvalueandfalsecornerswouldbedeclared.由于全部角点在演化的曲率下有局部最大值。这些可以从初始值开始移动。角度越尖锐，角点曲率就越大。对角点候选点有一个最后的增加量。每一个曲率局部最大值会和它相邻的两个局部最小值比较。一个角点曲率应该是相邻角点极值的两倍。这对曲率是连续且循环的是必要的，曲率值会大于初始值同时错误的角点候选点会被清除。,CSS角点检测的步骤,填补间隙并提取T形角点,使用Canny方法从原始图像中检测边缘从Canny边缘图像上提取边缘轮廓添补边缘轮廓上的间隙找到边缘轮廓的T形交点并记之为T形角点,Canny边缘检测容易造成边缘轮廓的间隙,CSS角点检测与跟踪,在最高的尺度上计算边缘轮廓的曲率绝对值，并选择局部极大值点作为角点候选点，满足：大于阈值t（去除圆形角和噪声）至少两倍于两侧相邻的某个曲率极小值点跟踪角点到最低（细）的尺度上以获得更好的位置精度：对于在高尺度上检测到的极大值点，在其低一级尺度的邻域搜索极大值点如此，向更低的尺度进行跟踪，直到最低的尺度,去除重复标记的角点,将上述CSS角点和T形角点做比较，去掉非常邻近的点,两种方法得到的角点：Canny连接得到的T角点，CSS跟踪得到的角点策略：如果两者邻近，去掉T角点,Experimentalresultsanddiscussion实验结果和分析,TheCSScornerdetectorusesonlytwoimportantparameters.Experimentsshowedthatgavegoodresultswithalmostallimages.Thethresholddependsonthevalueofandwiththethresholdcanbesetto0.03.Othervaluesofhigharealsopossibleandforaverynoisyimageandthresholdcanbeused.Startingwith,trackingcanbeaccomplishedat,and.Thefinalscaleshouldbeaslocalaspossibletoensuregoodlocalization.Itwasfoundthattheresultswerenotsensitivetotheexactvaluesoftheparameters,andthatthesamevaluesworkedwellforthedifferenttestimagesusedexceptforonethatwasverynoisybyintention.Notehoweverthatthedetectionofcornerscanbecarriedoutatmultiplescales.Asaresult,byadjustingthescale,thenumberofcornerpointsrecoveredcanincreaseordecrease,dependingontherequirementsoflaterprocesses.Forexample,inamotiontrackingsystem,objectdetailisnotneededwhentrackinginanon-clutteredscene,andasmallnumberofcornerswillbesucient.However,whenpartoftheobjectbecomesoccluded,alargernumberofcornerswillberequired.,CSS角点检测方法只用了两个重要参数。对几乎所有的图片来说，实验显示，当时效果最佳。初始阈值由值确定，且当时，初始阈值可以定为0.03。其他的值也是可行的。当一幅噪声很多的图片，可用，初始阈值，用开始，完成从到，得到最后。最后的尺度应该局部化到保证很好的局部性的尺度值。我们发现参数的准确性对结果并不敏感，同一个值在不同的测试图片如故意增加噪声的图像效果都不错。标记能在大尺度下使用的角点检测算子。结果，调整尺度大小，被覆盖的角点数量可以增加或减少，由有一步骤的需要决定。例如，在一个运动跟踪系统中，当跟踪一个非干扰情况时，物体的细节是不需要的，且少量的角点将会更有效率。然而，当部分物体有咬合时，就会需要大量的角点。,Testimagesexperimentresults,TheCSSdetectormakesbothimageedgesandimagecornersavailableforlaterprocesses.Itcanalsoprovideadditionalpointfeaturesaswellasthetraditionalcorners.Thenewfeaturesarethecurvaturezero-crossingsorinflectionpointsoftheimageedgecontoursrecoveredinasimilarwayasthecorners.Theycancomplementthetraditionalcornerswhenusedbylaterprocesses.Forexample,theycanbeutilizedbymotiontrackingsystemsinanareaoftheimagewherethereisalackofcornerfeatures.由于离散数据表示的轮廓而引起的噪声，使得在小尺度下曲率存在很多极值点。在大尺度下，虽然去掉了噪声，但真实的角点位置会发生较大偏移。所以提出了现在大尺度下检测候选角点，然后从大尺度到小尺度跟踪并定位角点