点特征类型- MATLAB & Simulink - Math万博1manbetxWorks España - 万博1manbetx,s manbetx 845,万博尤文图斯

点特征类型

图像特征检测是许多计算机视觉任务的组成部分，如图像配准、跟踪和目标检测。计算机视觉工具箱™包括各种图像特征检测功能。这些函数返回点对象，存储特定于特定类型的特征的信息，包括(x,y)坐标(在位置属性)。您可以将一个点对象从检测函数传递给需要特征点作为输入的各种其他函数。检测函数使用的算法决定了它返回的点对象的类型。

返回指向对象的函数

点对象	返回的	特征类型
`cornerPoints`	`detectFASTFeatures` 加速段测试(FAST)算法的特点使用近似度量来确定角。[1]	角落 Single-scale检测点跟踪，很少或没有尺度变化的图像配准，街道和室内场景等人类起源场景中的角落检测。
	`detectMinEigenFeatures` 最小特征值算法采用最小特征值度量来确定拐角位置。[4]
	`detectHarrisFeatures` Harris-Stephens算法比最小特征值算法效率更高。[3]
`BRISKPoints`	`detectBRISKFeatures` 二进制鲁棒不变可扩展关键点(BRISK)算法[6]	角落多尺度检测点跟踪，图像配准，处理尺度和旋转的变化，街角检测在人类起源的场景，如街道和室内场景
`SIFTPoints`	`detectSIFTFeatures` 尺度不变特征变换	斑点多尺度检测目标检测和图像配准与尺度和旋转变化
`SURFPoints`	`detectSURFFeatures` 加速健壮特征(SURF)算法[11]	斑点多尺度检测目标检测和图像配准与尺度和旋转变化
`ORBPoints`	`detectORBFeatures` 定向FAST和旋转BRIEF (ORB)方法[13]	角落多尺度检测点跟踪，图像配准，处理旋转变化，街角检测在人类起源的场景，如街道和室内场景
`KAZEPoints`	`detectKAZEFeatures` KAZE不是首字母缩略词，而是源自日语的名字kaze，意思是风。参考的是大尺度上由非线性过程控制的空气流动。[12]	多尺度斑点特征减少物体边界的模糊
`MSERRegions`	`detectMSERFeatures` 最大稳定极值区域算法[7][8][9][10]	均匀强度区域多尺度检测配准，宽基线立体校准，文本检测，物体检测。处理缩放和旋转的更改。与其他检测器相比，更健壮的仿射变换。

接受点对象的函数

函数描述

relativeCameraPose

计算相机姿态之间的相对旋转和平移

estimateFundamentalMatrix 从立体图像的对应点估计基本矩阵

estimateGeometricTransform2D 从匹配点对估计几何变换

estimateUncalibratedRectification 未校准立体整流

extractFeatures 提取兴趣点描述符

方法 特征向量

轻快的 函数设置取向的属性validPoints输出对象到提取的特征的方向，以弧度为单位。

狂 函数设置取向的属性validPoints输出对象到提取的特征的方向，以弧度为单位。

冲浪

函数设置取向的属性validPoints输出对象到提取的特征的方向，以弧度为单位。

当你使用MSERRegions对象的冲浪方法,重心对象的属性提取SURF描述符。的轴对象的属性选择SURF描述符的比例，这样表示特征的圆的面积与MSER椭圆面积成比例。比例尺计算为1/4 *√(majorAxes / 2)。* (minorAxes / 2))饱和到1.6的规定SURFPoints对象。

KAZE

基于非线性金字塔的特征。

函数设置取向的属性validPoints输出对象到提取的特征的方向，以弧度为单位。

当你使用MSERRegions对象的KAZE方法,位置对象的属性用于提取KAZE描述符。

的轴对象的属性选择KAZE描述符的比例，这样表示特征的圆的面积与MSER椭圆面积成比例。

ORB 该函数不设置取向的属性validPoints输出对象到所提取特征的方向。默认情况下，取向的属性validPoints设置为取向输入的属性ORBPoints对象。

块

简单的方形小区。

的块方法仅提取完全包含在图像边界内的邻域。因此，输出，validPoints，可以包含比输入更少的点点．

汽车

函数选择方法基于输入点和实现的类:

的狂方法cornerPoints输入对象。

的冲浪方法SURFPoints或MSERRegions输入对象。

的狂方法BRISKPoints输入对象。

的ORB方法ORBPoints输入对象。

对于一个米[的-by-2输入矩阵xy，该函数实现了块方法。

extractHOGFeatures 提取定向梯度(HOG)特征直方图

insertMarker 在图像或视频中插入标记

showMatchedFeatures 显示对应特征点

由三角形组成的 立体图像中未畸变匹配点的三维位置

undistortPoints 校正镜头失真点坐标

参考文献

[1] Rosten, E.和T. Drummond，“高速角落检测的机器学习”。第九届欧洲计算机视觉会议．Vol. 1, 2006, pp. 430-443。

[2]米科拉奇克，K.和C.施密德。局部描述符的性能评估。模式分析与机器智能汇刊。第27卷，2005年第10期，第1615-1630页。

[3]哈里斯，C.和M. J.斯蒂芬斯。“一种组合角和边缘检测器。”第四届阿尔维视觉会议论文集．1988年8月，第147-152页。

[4] Shi, J.和C.托马西。“值得追踪的优秀功能。”IEEE计算机视觉与模式识别会议论文集．1994年6月，第593-600页。

[5] Tuytelaars, T.和K. Mikolajczyk。局部不变特征检测器:一个调查。计算机图形与视觉基础与趋势“，．第3卷，第3期，2007，第177-280页。

[6]洛滕艾格，S.， M. Chli, R. Siegwart。“BRISK:二进制鲁棒不变可扩展关键点。”IEEE国际会议论文集．ICCV, 2011年。

[7]尼斯特，D.和H.斯特温尼乌斯。线性时间最大稳定极值区域计算机科学讲座讲稿。第十届欧洲计算机视觉会议．法国马赛:2008年，不是。5303，第183-196页。

[8]马塔斯，J.， O. Chum, M. Urba和T. Pajdla。“从最稳定的极值区域获得强大的宽基线立体声。”英国机器视觉会议论文集．2002，第384-396页。

[9] Obdrzalek D.， S. Basovnik, L. Mach, A. Mikulik。使用最大稳定颜色区域检测场景元素计算机与信息科学通讯“，．La Ferte-Bernard，法国:2009，卷82 CCIS(2010 12 01)，第107-115页。

[10]米科拉奇克，K.， T.图特拉尔斯，C.施密德，A.齐瑟曼，T.卡迪尔，L.凡古尔。仿射区域探测器的比较。国际计算机视觉杂志．第65卷第1-2期，2005年11月，第43-72页。

[11]贝，H.， A. Ess, T. Tuytelaars和L. Van Gool。“SURF:加速健壮的功能。”计算机视觉与图像理解(CVIU).Vol。110，第3期，2008，第346-359页。

[12]阿尔坎塔里拉，p.f.， A.巴托利和A. j .戴维森。“KAZE功能”,ECCV 2012, Part VI, LNCS 7577第214页，2012年

[13] Rublee, E. V. Rabaud, K. Konolige和G. Bradski。“ORB: SIFT或SURF的有效替代方案。”在2011年计算机视觉国际会议论文集, 2564 - 2571。2011年，西班牙巴塞罗那。

[14]罗斯滕，E.和T.德拉蒙德。“用于高性能跟踪的点线融合”IEEE计算机视觉国际会议论文集，第2卷(2005年10月):第1508-1511页。

[15] Lowe, David G..“来自比例不变关键点的独特图像特征。”Int。j .第一版。愿景60，不。2(2004): 91—110。