3.1.尺度空间关键点检测
着重于计算效率,我们的检测方法受到 Mair 等人[10]的工作启发,
用于检测图像中感兴趣的区域。他们的 AGAST 本质上是对现在流行
的 FAST 的加速性能的扩展,事实证明,FAST 是特征提取的非常有
效的基础。为了实现对高质量关键点至关重要的尺度不变性,我们不
仅通过在图像平面中搜索最大值,而且还使用 FAST 评分作为衡量显
著性的尺度在尺度空间中搜索最大值,从而更进一步。尽管以比其他
高性能检测器(例如 Fast-Hessian[2])更粗的间隔离散化尺度轴,但
BRISK 检测器仍估算连续尺度空间中每个关键点的真实比例。
在 BRISK 框架中,尺度空间金字塔层由 n 个八度 c
i
和 n 个内部
八度 d
i
组成,其中 i = {0,1,…,n−1},通常 n=4。通过对原始图像
进行半采样(对应于 c
0
)来形成八度。每个八度 d
i
都位于 c
i
和 c
i+1
层之
间(如图 1 所示)。通过将原始图像 c
0
下采样 1.5 倍来获得第一个八度
d
0
,而其余的八度层则通过连续的半采样得出。因此,如果 t 表示尺
度,则 t(c
i
)=2
i
且 t(d
i
) = 2
i
·1.5。
img octave0
intra-
octave0
octave1
intra-
octave1
octave2
intra-
octave2
octave3
intra-
octave3
width w 2w/3 w/2 w/3 w/4 w/6 w/8 w/12
height h 2h/3 h/2 h/3 h/4 h/6 h/8 h/12
如果原图长为 18 像素,那么 intra-octave0 将被下采样为 12 个像素,octave1 则为 9 个。
建立完这 8 张不同的尺度图像之后,下一步要对每一层尺度空间进行 FAST 9-16 关键点
检测,阈值这里为 T。得到关键点后,下一步则是对关键点进行非极大值抑制,具体就
是将特征点和金字塔中的上下尺度图层(2*9 个点)和当前图层邻域(8 个点)共 26 个邻域
点的 FAST Score 进行比较,只保留这 26 个点中 FAST Score 最大的点,非极大值抑制
过滤了一些关键点,使得提取出来的点,更具有代表性。
通过非极大值抑制后得出的点由于是在不同的尺度图层中表示的,所以离散度也有所不
同。这样得出的点并不能精准表达特征。接下来还需要进一步定位他们。