圖像局部不變性特征與描述

第1章 引言
1.1 局部特征發(fā)晨歷程
1.2 常用術(shù)語
1.3 局部特征性質(zhì)
1.4 局部特征應(yīng)用
1.5 局部特征配準(zhǔn)流程和本書的結(jié)構(gòu)
參考文獻
第2章 圈像尺度空間理論
2.1 金字塔多分辨率
2.2 高斯尺度空間及性質(zhì)
2.2.1 多尺度和多分辨率
2.2.2 尺度空間和生物視覺
2.3 自動尺度選擇
2.3.1 尺度選擇思路
2.3.2 尺度選擇準(zhǔn)則
2.4 斑點(Blob)檢測
2.4.1 一維信號斑點檢測
2.4.2 LoG檢測
2.4.3 DoH檢測
2.5 邊緣(Edge)檢測
2.6 角點(Corner)檢測
2.6.1 角點定位算法
2.6.2 角點檢測效果
參考文獻
第3章 點與邊緣檢測
3.1 Harris角點
3.2 尺度不交性Harris角點
3.2.1 Harris尺度不變性問題
3.2.2 多尺度二階矩
3.2.3 多尺度Harris角點
3.2.4 多尺度Harris角點精化
3.3 仿射不交性Harris角點
3.3.1 初始定位：Affine Gaussian Scale-Space
3.3.2 仿射不變性角點檢測
3.4 SUSAN檢測算子
3.5 邊緣檢測
3.5.1 一階微分邊緣算子
3.5.2 二階微分邊緣算子
3.5.3 Canny邊緣檢測算子
參考文獻
第4章 高效斑點檢測方法
4.1 SIFT算法
4.1.1 DoG尺度空間生成
4.1.2 特征點搜索
4.1.3 點的搜索與定位
4.1.4 刪除邊緣效應(yīng)
4.2 SURF算法
4.2.1 積分圖像
4.2.2 Doll近似
4.2.3 尺度空間表示
參考文獻
第5章 區(qū)域檢測方法
5.1 最大穩(wěn)定極值區(qū)域
5.1.1 MSERs基本概念與定義
5.1.2 MSERs檢測
5.1.3 MSERs區(qū)域擬合
5.1.4 MSERs區(qū)域歸一化
5.2 基于邊緣區(qū)域
5.2.1 曲線邊緣
5.2.2 直線邊緣
5.3 基于密度極值區(qū)域
5.4 顯著性區(qū)域
5.4.1 區(qū)域信息熵
5.4.2 圓形顯著性區(qū)域
5.4.3 非對稱顯著性區(qū)域
參考文獻
第6章 圖像局部特征描述
6.1 SIFT特征描述子
6.1.1 特征點方向分配
6.1.2 特征點特征矢量生成
6.2 SURF特征描述子
6.2.1 特征點方向分配
6.2.2 特征點特征矢量生成
6.3 其他特征描述子
6.3.1 PCA-SIFT
6.3.2 GLOH
6.3.3 旋轉(zhuǎn)圖像
6.3.4 微分濾波器
參考文獻
第7章 圖像特征點匹配
7.1 Kd-樹算法
7.1.1 構(gòu)建算法
7.1.2 最近鄰查詢算法
7.1.3 改進Kd-樹最近鄰查詢
7.1.4 Kd-樹和Spill-樹
7.1.5 Kd-樹與窮盡搜索比較
7.2 匹配對提純
7.2.1 比值提純法
7.2.2 一致性提純法
參考文獻
第8章 評估和應(yīng)用
8.1 斑點檢測算子比較
8.1.1 圖像數(shù)據(jù)
8.1.2 尺度縮放比較
8.1.3 視角變換比較
8.1.4 光照變化比較
8.1.5 圖像模糊
8.2 區(qū)域檢測算子比較
8.2.1 區(qū)域仿射不變算子的評價準(zhǔn)則
8.2.2 度縮放+旋轉(zhuǎn)
8.2.3 視角變換
8.2.4 光照變化
8.2.5 圖像模糊
8.3 局部特征的應(yīng)用
8.3.1 數(shù)字?jǐn)z影測量
8.3.2 正射影像更新
8.3.3 視頻圖像拼接
8.3.4 目標(biāo)跟蹤
8.3.5 目標(biāo)識別
參考文獻
索引