Укажите типы функции

Выявление признаков изображений является стандартным блоком многих задач компьютерного зрения, таких как регистрация изображений, отслеживание и обнаружение объектов. Computer Vision Toolbox™ включает множество функций для выявления признаков изображений. Эти функции возвращают объекты точек, которые хранят информацию, характерную для конкретных типов функций, включая (x, y) координаты (в свойстве Location). Можно передать объект точек от функции обнаружения до множества других функций, которые требуют характерных точек как входных параметров. Алгоритм, что функция обнаружения использование определяет тип точек, возражает, что это возвращается.

Функции, которые возвращают объекты точек

Объект точек	Возвращенный	Тип функции
`cornerPoints`	`detectFASTFeatures` Алгоритм от ускоренного теста сегмента (FAST) функций Использует аппроксимированную метрику, чтобы определить углы. [1]	Углы Обнаружение одно шкалы Укажите отслеживание, отобразите регистрацию с минимальным изменением шкалы, угловое обнаружение в сценах человеческого источника, таких как улицы и внутренние сцены.
	`detectMinEigenFeatures` Минимальный алгоритм собственного значения Метрика собственного значения минимума использования, чтобы определить угловые местоположения. [4]
	`detectHarrisFeatures` Алгоритм Харриса-Стивенса Более эффективный, чем минимальный алгоритм собственного значения. [3]
`BRISKPoints`	`detectBRISKFeatures` Алгоритм Бинарного устойчивого инвариантного масштабируемого Keypoints (BRISK) [6]	Углы Многошкальное обнаружение Укажите отслеживание, отобразите регистрацию, изменения указателей по своим масштабам и вращение, угловое обнаружение в сценах человеческого источника, таких как улицы и внутренние сцены
`SURFPoints`	`detectSURFFeatures` Алгоритм ускоренных устойчивых функций (SURF) [11]	Блобы Многошкальное обнаружение Обнаружение объектов и регистрация изображений со шкалой и изменениями вращения
`ORBPoints`	`detectORBFeatures` Ориентированный FAST и Вращаемый BRIEF (ORB) метод [13]	Углы Многошкальное обнаружение Укажите отслеживание, отобразите регистрацию, изменения указателей попеременно, угловое обнаружение в сценах человеческого источника, таких как улицы и внутренние сцены
`KAZEPoints`	`detectKAZEFeatures` KAZE не является акронимом, а именем, выведенным от японского слова kaze, что означает ветер. Ссылка к потоку воздуха, которым управляют нелинейные процессы в крупном масштабе. [12]	Многошкальные функции блоба Уменьшаемое размывание границ объекта
`MSERRegions`	`detectMSERFeatures` [7] [8] [9] [10] алгоритма максимально стабильных экстремальных областей (MSER)	Области универсальной интенсивности Многошкальное обнаружение Регистрация, широкая базовая калибровка стерео, текстовое обнаружение, обнаружение объектов. Указатели изменяются на шкалу и вращение. Более устойчивый к аффинным преобразованиям в отличие от других детекторов.

Функции, которые принимают объекты точек

Функция Описание

relativeCameraPose

Вычислите относительное вращение и перевод между положениями камеры

estimateFundamentalMatrix Оцените основную матрицу от соответствующих точек в стереоизображениях

estimateGeometricTransform Оцените геометрическое преобразование от соответствия с парами точки

estimateUncalibratedRectification Некалиброванное исправление стерео

extractFeatures Извлеките дескрипторы точки интереса

Метод Характеристический вектор

BRISK Функция устанавливает свойство Orientation validPoints объект вывода к ориентации извлеченных функций в радианах.

FREAK Функция устанавливает свойство Orientation validPoints объект вывода к ориентации извлеченных функций в радианах.

SURF

Функция устанавливает свойство Orientation validPoints объект вывода к ориентации извлеченных функций в радианах.

Когда вы используете объект MSERRegions с методом SURF, свойство Centroid объекта извлекает дескрипторы SURF. Свойство Axes объекта выбирает шкалу дескрипторов SURF, таким образом, что круг, представляющий функцию, имеет область, пропорциональную области эллипса MSER. Шкала вычисляется как 1/4*sqrt((majorAxes/2).* (minorAxes/2)) и насыщается к 1.6, как требуется объектом SURFPoints.

KAZE

Нелинейные находящиеся в пирамиде функции.

Функция устанавливает свойство Orientation validPoints объект вывода к ориентации извлеченных функций в радианах.

Когда вы используете объект MSERRegions с методом KAZE, свойство Location объекта используется, чтобы извлечь дескрипторы KAZE.

Свойство Axes объекта выбирает шкалу дескрипторов KAZE, таким образом, что круг, представляющий функцию, имеет область, пропорциональную области эллипса MSER.

ORB Функция не устанавливает свойство Orientation validPoints объект вывода к ориентации извлеченных функций. По умолчанию свойство Orientation validPoints установлено в свойство Orientation объекта входа ORBPoints.

Block

Простой квадрат neighbhorhood.

Метод Block извлекает только окружения, полностью содержавшие в границе изображения. Поэтому вывод, validPoints, может содержать меньше точек, чем вход POINTS.

Auto

Функция выбирает Method на основе класса точек ввода и реализаций:

Метод FREAK для входного объекта cornerPoints.

Метод SURF для SURFPoints или входного объекта MSERRegions.

Метод FREAK для входного объекта BRISKPoints.

Метод ORB для входного объекта ORBPoints.

Для M-by-2 входная матрица [x y] координаты, функция реализует метод Block.

extractHOGFeatures Извлеките гистограмму ориентированных градиентов (ПОЖИРАТЕЛЬ РЕСУРСОВ) функции

insertMarker Вставьте маркеры в изображение или видео

showMatchedFeatures Отобразите соответствующие характерные точки

triangulate 3-D местоположения неискаженных соответствующих точек в стереоизображениях

undistortPoints Правильная точка координирует для искажения объектива

Ссылки

[1] Rosten, E. и Т. Драммонд, “Машинное обучение для Высокоскоростного Углового Обнаружения”. 9-я европейская Конференция по Компьютерному зрению. Издание 1, 2006, стр 430–443.

[2] Mikolajczyk, K. и К. Шмид. “Оценка результатов деятельности локальных дескрипторов”. Транзакции IEEE согласно Анализу Шаблона и Искусственному интеллекту. Издание 27, Выпуск 10, 2005, стр 1615–1630.

[3] Харрис, C. и М. Дж. Стивенс. “Объединенный Детектор Угла и Ребра”. Продолжения 4-й Конференции по Видению Alvey. Август 1988, стр 147–152.

[4] Ши, J. и К. Томэзи. “Хорошие Функции, чтобы Отследить”. Продолжения Конференции по IEEE по Компьютерному зрению и Распознаванию образов. Июнь 1994, стр 593–600.

[5] Tuytelaars, T. и К. Миколэджчик. “Локальные Инвариантные Анализаторы: Обзор”. Основы и Тренды в Компьютерной графике и Видении. Издание 3, Выпуск 3, 2007, стр 177–280.

[6] Leutenegger, S., М. Чли и Р. Сигварт. “BRISK: бинарный устойчивый инвариантный масштабируемый Keypoints”. Продолжения международной конференции IEEE. ICCV, 2011.

[7] Nister, D. и Х. Стьюениус. "Линейное Время Максимально Стабильные Экстремальные области". Читайте лекции Примечаниям в Информатике. 10-я европейская Конференция по Компьютерному зрению. Марсель, Франция: 2008, № 5303, стр 183–196.

[8] Матас, J. O. Приятель, М. Арба, и Т. Пэдждла. "Устойчивый широко-базовый стерео из максимально стабильных экстремальных областей". Продолжения британской Конференции по Машинному зрению. 2002, стр 384–396.

[9] Обдрзэлек Д., С. Бэзовник, Л. Мах и А. Микулик. "Обнаруживая Элементы Сцены Используя Максимально Стабильные Цветные области". Коммуникации в Информатике и вычислительной технике. Ля-Ферт-Бернар, Франция: 2009, CCIS Издания 82 (2010 12 01), стр 107–115.

[10] Mikolajczyk, K., Т. Тейтелэарс, К. Шмид, А. Зиссермен, Т. Кэдир и Л. ван Гул. "Сравнение Аффинных Детекторов области". Международный журнал Компьютерного зрения. Издание 65, № 1-2, ноябрь 2005, стр 43–72.

[11] Отсек, H. A. Эс, Т. Тейтелэарс и Л. ван Гул. “SURF:Speeded Устойчивые Функции”. Компьютерное зрение и Распознавание изображений (CVIU).Vol. 110, № 3, 2008, стр 346–359.

[12] Alcantarilla, P.F., А. Бартоли и А.Дж. Дэйвисон. "Функции KAZE", ECCV 2012, Часть VI, LNCS 7 577 стр 214, 2012

[13] Rublee, E., В. Рабо, К. Конолидж и Г. Брадский. "ORB: эффективная альтернатива, чтобы ОТСЕЯТЬ или SURF". В Продолжениях 2 011 Международных конференций по вопросам Компьютерного зрения, 2564–2571. Барселона, Испания, 2011.

Документация