摘要：004-图形相似-特征提取算法概述

概述-特征，特征描述，特征匹配

图像处理的基础就是要进行特征点的提取，feature(interest points) detect 的方法也在不断的进步，边检测，角点检测，直线检测，圆检测，SIFT特征点检测，同时描述符也在发展，为了匹配的高效，逐渐从高维特征向量到二进制向量

在一般的图像处理库中（如opencv, VLFeat, Boofcv等）都会实现。

什么是特征，什么是特征描述，什么是特征匹配

要匹配两张图像是否是同一个图像，比较好的方法就是找出图像中特征显著的内容然后来进行比较，如果这些特征都一致，那么就有很高的概率称他们为同一个图像。

找出图像中特征性强的内容（Feature Detect），特征性强的图案。
但是只知道有显著特征没用，必须知道两张图像中的特征是不是一致的，如何判断特征是不是一致的，就需要对这个特征进行描述（Feature Descriptor），如果描述非常的相似或者说是相同，那么就可以判断为是同一特征。
该如何去描述一个特征，什么样的描述是一个好的描述呢。描述一个特征其实就是描述特征与他周围内容的相互关系。那么什么样的描述是一个好的描述呢，就要提到为什么要描述特征了？描述特征是为了能够更好的匹配特征，使得我们认为描述相同的特征是同一个特征的是可信的（概率高的）。所以描述必须是有代表性的，具有排他性的（discriminative）,而不是模棱两可泛泛而谈的。
最后就可以根据描述的相似性来判断这对特征是否是同一个特征。

特征不变性的理解：

常用特征，如Harris Corner、SIFT、SURF、BRIEF、BRISK等，而特征的一个重要特性就是特征不变性，常见的就是旋转不变性和尺度不变性，还有一些具有仿射不变性的特征。而这些特征该怎么理解呢？

旋转不变性：

旋转不变性。只要对特征定义方向，然后在同一个方向上进行特征描述就可以实现旋转不变性。这称之为 Rotation Normalization。

尺度不变性

实现尺度不变性，需要给特征加上尺度因子，在进行描述的时候，将尺度统一就可以实现尺度不变性了。这过程称为Scale Normalization。

不变性小结

所谓的旋转不变性和尺度不变性的原理，就是我们在描述一个特征之前，将两张图像都变换到同一个方向和同一个尺度上，然后再在这个统一标准上来描述这个特征。同样的，如果在描述一个特征之前，将图像变换到同一个仿射尺度或者投影尺度上，那么就可以实现仿射不变性和投影不变性。分别称为Affine Normalization 和 Projected Normalization.

特征提取算法小结

特征匹配的方法是先找出特征显著的特征点（Feature Detect），然后再分别描述两个特征点（Feature Descriptor），最后比较两个描述的的相似程度来判断是否为同一个特征（Feature Match）。

而在特征描述之前如果能够做到确定特征的方向，则可以实现旋转不变性（Rotation invarient），如果能确定尺度，则可以实现尺度不变性（Scale invarient）。

fast

SIFT

提点方法：DoG的最值点位置在通过二次拟合来确定位置

确定方向：特征邻域的梯度直方图的最值方向

确定尺度：通过建立确定尺度空间，尺度空间中DoG最值所在尺度为特征尺度

描述方法：在特征周围取一个region，分成4*4的sub-region，对每个sub-region使用八方向的梯度表示，总共128维

SURF

受SIFT启发，比SIFT快，健壮，64-dim(256B).

提点方法：Hessian矩阵的行列式最值

确定方向：特征邻域对Haar wavelet的最大响应方向

确定尺度：通过建立确定尺度空间，尺度空间中DoG最值所在尺度为特征尺度

描述方法：在特征周围取一个region，分成4*4的sub-region，对每个sub-region计算haar wavelet响应，分别取x方向响应和，x方向响应绝对值之和，y方向响应和，y方向绝对值之和四个值描述，总共64维

BRIEF

提点方法：无

确定方向：无

确定尺度：无

描述方法：在特征点周围随机抽取随机点对，比较两个点的像素强度，根据结果的大小记为1或0，取256组组成256位的二进制字符串

ORB

基于FAST和BRIEF，比SIFT快两个数量级，可作为SIFT的替代(a fusion of FAST keypoint detector and BRIEF descriptor). 32B binary descriptor.

提点方法：使用FAST提点，使用Harris Corner去除非角点

确定方向：使用Intensity centroid方法来确定方向

确定尺度：无

描述方法：通过贪心方法抽取符合正态分布的随机点对，其他同BRIEF

BRISK

提点方法：使用FAST或AGAST提点

确定方向：使用邻域随机抽样点对，对远点对做梯度确定方向

确定尺度：尺度空间中FAST提点最显著的尺度

描述方法：使用短距离点对进行强度匹配，组成512位的二进制字符串

MSER

斑点检测

HARRIS

角点检测方法

其他

GFTT、STAR

需要注意的地方：

链接的时候加上pkg-config opencv –cflags –libs可以加入所有opencv的库
SIFT，SURF是nonfree的，使用的时候需要方法initModule_nonfree()，需要头文件opencv2/nonfree/nonfree.hpp
FAST只是检测角点，要结合其他extractor如ORB,SIFT.