电子书
内容简介
本书针对噪声图像中的特征检测及描述的稳定性和可分辨性问题，介绍了国内外经典算法的原理和作者的相关研究成果，并对算法的优势和局限性进行了分析。全书重点介绍了30多种特征检测算法，包括基于边缘、模板、灰度导数以及基于机器学习的角点检测算法，基于灰度导数、机器学习以及与滤波整合的像素级边缘检测算法，基于灰度矩、空间矩的亚像素级边缘检测算法，SIFT、SURF等斑点检测算法。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 前言
- 第1章 引言
- 1.1 图像特征概述
- 1.2 常用术语
- 1.2.1 图像兴趣点
- 1.2.2 特征检测
- 1.2.3 特征提取
- 1.2.4 像素点的邻域
- 1.3 常用基本理论
- 1.3.1 尺度空间理论
- 1.3.2 机器学习
- 1.3.3 信息熵
- 1.4 特征提取的应用
- 1.5 小结
- 参考文献
- 第2章 角点检测
- 2.1 基于边缘的方法
- 2.1.1 基于链式编码曲线方法
- 2.1.2 基于B样条函数方法
- 2.1.3 基于支持域的方法
- 2.1.4 空域多尺度角点检测
- 2.1.5 变换域多尺度角点检测
- 2.2 基于模板的方法
- 2.2.1 Moravec算法
- 2.2.2 Rohr算法
- 2.2.3 快速角点检测算法
- 2.2.4 基于机器学习的方法
- 2.3 基于灰度导数的方法
- 2.3.1 Harris算法
- 2.3.2 Harris-Laplace算法
- 2.3.3 Förstner算法
- 2.4 小结
- 参考文献
- 第3章 边缘检测
- 3.1 基于导数的算法
- 3.1.1 Roberts算法
- 3.1.2 Prewitt算法
- 3.1.3 Sobel算法
- 3.1.4 Frei-Chen算法
- 3.1.5 Laplacian算法
- 3.2 滤波检测两步算法
- 3.2.1 LoG算法
- 3.2.2 Haralick算法
- 3.2.3 Canny算法
- 3.2.4 多尺度边缘检测
- 3.3 SUSAN算法
- 3.3.1 原始SUSAN算法
- 3.3.2 改进的SUSAN算法
- 3.4 亚像素检测方法
- 3.4.1 灰度矩边缘检测
- 3.4.2 空间矩边缘检测
- 3.5 基于随机森林的方法
- 3.5.1 随机森林
- 3.5.2 基于结构森林的快速边缘检测
- 3.6 小结
- 参考文献
- 第4章 斑点检测
- 4.1 SIFT检测算法
- 4.1.1 尺度空间极值点检测
- 4.1.2 特征点的确定过程
- 4.2 CSIFT检测算法
- 4.2.1 彩色不变性
- 4.2.2 CSIFT检测思想
- 4.3 ASIFT检测算法
- 4.4 SURF检测算法
- 4.4.1 基于黑塞矩阵的特征检测
- 4.4.2 积分图
- 4.5 小结
- 参考文献
- 第5章 特征点描述
- 5.1 LBP描述子
- 5.2 SIFT描述子
- 5.2.1 主方向计算
- 5.2.2 特征矢量生成
- 5.3 PCA-SIFT描述子
- 5.4 GLOH描述子
- 5.5 SURF描述子
- 5.5.1 主方向确定
- 5.5.2 特征矢量生成
- 5.6 WLD描述子
- 5.6.1 韦伯定律
- 5.6.2 WLD直方图
- 5.7 daisy描述子
- 5.7.1 支撑区域
- 5.7.2 方向导数计算
- 5.7.3 daisy描述子生成
- 5.8 BRIEF描述子
- 5.8.1 基本步骤
- 5.8.2 随机点对的选取和比较
- 5.9 ORB描述子
- 5.9.1 主方向确定
- 5.9.2 ORB描述子生成
- 5.10 小结
- 参考文献
- 第6章 直线描述
- 6.1 清晰直线的描述
- 6.1.1 霍夫变换法
- 6.1.2 最小二乘法
- 6.2 离焦线段的描述
- 6.2.1 脊形直线的灰度图模型
- 6.2.2 参数估计原理
- 6.2.3 鲁棒算法
- 6.3 小结
- 参考文献
展开全部
图像局部特征检测及描述是2020年由人民邮电出版社出版,作者朱红军。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《图像局部特征检测及描述》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
