图像识别和跟踪中常用特征点

  1. HoG (Histogram of Oriented Gradient)方向梯度直方图
  2. Haar 边缘特征、线性特征、中心对角线特征,组合成特征模板。使用积分图快速计算。
  3. LBP(Local Binary Pattern) 局部二值模式。在3* 3的窗口内以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素 点的位置被标记为1,否则为0。这样,3*3邻域内的8个点经比较产生8位二进制数即得到该窗口中心像素点的LBP值。

以下主要用于跟踪:
1. Harris 角点检测 利用矩阵的特征值 R=detM(trM)2
2. SIFT
3. SURF
4. SUSAN 圆形邻域的像素与中心像素之间不相同像素的分布
4. FAST 圆形区域随机抽样
5. BRIEF 称为描述子更恰当。与FAST一样没有旋转鲁棒性
6. ORB 先使用FAST粗提取候选点,使用Harris对齐位置,使用Intensity Centroid最大值对齐旋转角度,然后用BRIEF提描述。自称可以替代SIFT SURF

你可能感兴趣的:(图像处理与识别)