FAST特征点检测_fast 特征检测-程序员宅基地

一、原始检测方法

具体内容如下：
判别特征点p是否是一个特征点，可以通过判断以该点为中心画圆，该圆过16个像素点。设在圆周上的16个像素点中是否最少有n个连续的像素点满足都比Ip+t大，或者都比Ip−t小。（这里Ip指的点p的灰度值，t是一个阈值）如果满足这样的要求，则判断p是一个特征点，否则p不是。在原论文中n的值一般设为12。
如下图所示：

由于在检测特征点时是需要对图像中所有的像素点进行检测，然而图像中的绝大多数点都不是特征点，如果对每个像素点都进行上述的检测过程，那显然会浪费许多时间，因此论文中采用了一种进行非特征点判别的方法。如上图中，对于每个点都检测第1、5、9、13号像素点，如果这4个点中至少有3个满足都比 Ip+tIp+t 大或者都比 Ip−tIp−t 小，则继续对该点进行16个邻域像素点都检测的方法，否则则判定该点是非特征点，直接剔除即可。
这种做法在大幅减少了判断特征点的运算量，提升了算法的运行速度。但是还是存在一些问题，如下：
（1）当我们使用的 n<12n<12 时就不能通过上面说明的方法对非角点进行快速过滤；
（2）这样检测出来的特征点不是最优的，因为这种检测方法暗含了对特征周围的像素分布的假定；
（3）忽略了上述的前4个检测的结果分析；
（4）检测得到的特征点容易挤在一起。
针对以上问题作者提出了一种基于学习的特征点检测方法，这种检测方法解决了上面的前3个问题。

二、基于学习的特征点检测方法

这种基于学习的特征点检测方法分成两个阶段，如下所示：
阶段1：对你需要检测的场景的多张图像进行角点提取，在提取的过程中，使用你给定的n和一个合适的阈值进行检测，同时这里不使用上面提出的先检测4个像素点的方法（因为你选择的n可能小于12啊）。这样我们就提取到了许多的特征点，作为训练数据。
对于圆上的16像素点位置x∈{ 1,...,16}，若选择一个位置x对上面得到的特征点集进行划分，划分为3个部分，如下：

S p \to x = ⎧ ⎩ ⎨ ⎪ ⎪ d, s, b, I p \to x \leq I p - t I p - t < I p \to x < I p + t I p + t \leq I p \to x (d a r k e r) (s i m i l a r) (b r i g h t e r)

另外，对每个特征点设一个 boolbool 变量 KpKp ，用来表示是否为角点， Kp=trueKp=true 为角点。
阶段2：对上面得到的特征点集进行训练，使用 ID3ID3 算法建立一棵决策树，假设通过使用第 xx 个像素点进行决策树的划分，那么对集合 PP 得到的熵 KK 是

H (P) = (c + c ¯ ¯) l o g 2 (c + c ¯ ¯) - c l o g 2 c - c ¯ ¯ l o g 2 c ¯ ¯

其中 cc 为角点的数目， c¯¯c¯ 为非角点的数目。
由此得到的信息增益为

H (P) - H (P d) - H (P s) - H (P b)

然后选择使信息增益最大位置进行分割，最终得到这棵决策树。以后再有类似的场景进行特征点检测时，则使用该决策树进行检测。

三、非最大值抑制

最后还有一个问题，如何解决特征点容易挤在一起的问题呢？
作者在这里提出了一种非最大值抑制的方法，给每个已经检测到的角点一个量化的值V，然后比较相邻的角点的V值，然后删除V值较小的角点。
作者在论文中提出了几种不同的V值的定义，最后主要是使用两种不同的定义：
（1）把角点的灰度与它邻近的16个点的灰度值的差值的绝对值的和作为V的值；
（2）作者提出，为了计算速度的提升，在（1）的基础上更改为：

V = m a x ⎛ ⎝ \sum x \in S b r i g h t | I p \to x - I p | - t, \sum x \in S d a r k | I p - I p \to x | - t ⎞ ⎠

在这里 SbrightSbright 是16个邻域像素点中灰度值大于 Ip+tIp+t 的像素点的集合，而 SdarkSdark 表示的是那些灰度值小于 Ip−tIp−t 的像素点。
至此，就是FAST特征点检测方法的算法整体过程，FAST算法在opencv中有实现。值得注意的是，在opencv中并没有对前面提到的基于学习的去检测特征点，原因也很简单，因为基于学习的检测方法学习的是对于某种场景下的特征点检测的学习，而opencv显然不是针对某个场景下的。

本文链接：https://blog.csdn.net/qq_40213457/article/details/80848794

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了，因为IDAT必须要满了才会开始一下个IDAT，这个明显就是末尾的IDAT了。，对应下面的create_head()代码。，对应下面的create_tail()代码。不要考虑爆破，我已经试了一下，太多情况了。题目来源：UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出（备份）、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次，点赞3次，收藏10次。偶尔会用到，记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录，执行导库操作　　导出语句：./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log　注释：　　 cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件，可以删掉不需要要到的jsp，asp，asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件，在页面引入js文件：<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次，点赞6次，收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA，我们的数据线就会变为10101010，通过修改不同的内容，即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平，后半周期为低电平的状态。在SPI的通信模式中，CPHA配置会影响该实验，下图展示了不同采样位置的SPI时序图[1]。CPOL = 0，CPHA = 1：CLK空闲状态 = 低电平，数据在下降沿采样，并在上升沿移出CPOL = 0，CPHA = 0：CLK空闲状态 = 低电平，数据在上升沿采样，并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次，点赞2次，收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决？5.如果在数据链路层不进行帧定界，会发生什么问题？6.PPP协议的主要特点是什么？为什么PPP不使用帧的编号？PPP适用于什么情况？为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民，未受过软件工程师的教育（第1部分）-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大无证移民，未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑，装的是FreeBSD，进入BIOS修改虚拟化配置（其后可能是误设置了安全开机），保存退出后系统无法启动，显示：secure boot failed ，把自己惊出一身冷汗，因为这台笔记本刚好还没开始做备份.....根据错误提示，到bios里面去找相关配置，在Security里面找到了Secure Boot选项，发现果然被设置为Enabled，将其修改为Disabled ，再开机，终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割（5种方法）_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次，点赞93次，收藏352次。1、用strtok函数进行字符串分割原型： char *strtok(char *str, const char *delim);功能：分解字符串为一组字符串。参数说明：str为要分解的字符串，delim为分隔符字符串。返回值：从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它：strtok函数线程不安全，可以使用strtok_r替代。示例：//借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记大数学家高斯有个好习惯：无论如何都要记日记。他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？高斯出生于：1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次，点赞17次，收藏22次。摘要：本文利用供需算法对核极限学习机(KELM)进行优化，并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功，进入系统4、测试如下：二、MySQL弱密码登录：1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功，进入MySQL系统3、测试效果：三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路：从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南，从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文，您将能够掌握Python编程的核心概念，为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf