ste*_*ckl 6 image-processing computer-vision feature-detection
我有一个关于Mikolajczyk等人介绍的Harris-Laplacian-Detector的问题.使用Harris,您可以在每个特定的比例范围内搜索"角度"的最大值,然后使用拉普拉斯算子搜索"blobness"的最大值,这些比例比找到的Harris点的比例大一个,小一个.
为什么规模上的"斑点"最大化对角点有如此好的影响？我认为,搜索最大的"角度"(例如,找到最大的哈里斯超过尺度)来找到好的角点要好得多.
小智 11
需要包含拉普拉斯以确保尺度不变性.
虽然尺度适应的Harris检测器确实具有非常好的可重复性(就检测的位置而言),但是尺度选择仍然是个问题.他们注意到了
在我们的实验中,我们注意到改编的Harris函数在3D空间中很少达到最大值.因此,我们建议使用不同的函数Laplacian进行尺度最大值检测.
(来自基于规模不变兴趣点的索引)
这在他的论文中有更详细的解释:
在我们的实验中(参见第3.2.4节),我们注意到尺度适应Harris函数在尺度空间表示中很少达到最大尺度.如果检测到的兴趣点太少,则图像不能可靠地表示.因此,我们放弃了搜索Harris函数的3D最大值的想法.此外,实验表明,LoG功能可以找到最高百分比的正确特征尺度.因此,我们建议使用拉普拉斯算子来选择用Harris检测器提取的点的标度.Harris-Laplace检测器使用Harris函数(参见方程4.1)来定位尺度空间表示的每个级别中的点.接下来,它选择高斯拉普拉斯算子(参见等式4.2)达到最大超标的点.通过这种方式,我们将这两种方法结合起来,以获得一个可靠的兴趣点检测器,它对于显着的尺度变化是不变的.
我没有任何直观的解释为什么哈里斯函数没有给出超过尺度的许多最大值,但凭经验,他们发现情况就是如此.看起来没有什么可以阻止你使用Harris标度空间最大值,但你可能只会得到更少的检测.