弱纹理情况下特征点匹配与检测 弱纹理情况下的特征点匹配与检测 摘要:本文提出了一种 1. 引言 2 2. 弱纹理特征点的检测 5 由于在关于人体模型的图像中,存在着大量的特征不明显点,可以发现这些点具有弱纹理性质,即,在该点的某个领域内不存在角点,边界等显著的纹理特征,令 , I x y 表示图像中某个点的灰度值,则在弱纹理区域中,该点的灰度值具有以下特征: , , , , , 0x y xx yy xy yxI I I I I I 因此,用传统的 Hessian, Harris 等特征检测算子无法提取该部分点的特征,这里存在着两个问题: 1.弱纹理区域有何特征。 2.是否存在某种算子可以对这些弱纹理点进行检测。 弱纹理检测算子 通过图 1,我们可以发现这些弱纹理区域具有较强的对称性,且具有较强的各向同性。 图 1 当已知一个图像结构,若要在图像中寻找与该结构匹配的区域或特征时通常采纳某一算子计算已知图像结构特征与图像中各区域的结构特征来推断。即,可由以下目标函数推断: 1,2, ,*arg max , , | 1,2, ,ii Ni i iQ IQ D F P F Q Q I i N 其中, I 表示待匹配的图像, P ,iQ 分别表示已知图像与图像中某一区域, F 表示特征提取算子, D 表示相应的匹配算子。 实际中,可以通过两个向量之间的夹角来描述两个向量之间的匹配程度。 cos 当 cos =1 时,表示两向量方向相同,当 cos =-1 时,表示两个向量的方向相反。在图像中,其表示为: ,F P F P F Q F QNCC F P F QF P F P F Q F Q 其中 F 表示特征平均值, F F 的目的是去除亮度对匹配的影响。 在图 1 中,我们可以看到弱纹理区域具有较强的镜像对称性,且对任意的对称轴 [0, ) ,都具有对称性,即,对于区域中位置为 , r 的点和其关于 的对称点 ,2 r ,其像素值满足, , ,2 I r I r ,因此,我们采纳文献[1]中的方法对弱纹理区域进行描述: 1_01,iNw textureiS P NCC P TN 其中 0 1 1, , ,i N , ...