计算机视觉
图像处理

LIOP特征

注:本文是笔者在阅读相关英文文献后,翻译、整理所得;原文是:Local Intensity Order Pattern for Feature Description; Zhenhua Wang, Bin Fan, and Fuchao Wu;ICCV2011

LIOP: Local Intensity Order Pattern,一种用来刻画图像局部亮度顺序信息的特征描述方法。该特征描述方法利用图像(块)整体的亮度顺序信息将图像块分割为若干个局部子区域,以此来加快LIOP的计算速度。整个图像块的整体和局部亮度顺序信息被提取出来,构成LIOP特征。这种特征不仅对光照变换不敏感,对视角变化,图像模糊,图像有损压缩等也同样不敏感。

图像局部特征在计算机视觉中有着广泛的应用,例如:目标识别,纹理识别,图像检索,全景图像拼接等。其基本原理是:首先检测图像的感兴趣的 点或感兴趣的区域(可以理解为关键性的、显著性的点或区域)。一旦特征确定下来了,剩下的工作就是如何计算两个图像之间的关联性,专业术语叫做:相关性。 而关联性或者相关性,通常是以距离作为度量方式。

很多特征提取方法对于图像的变换(如:仿射变换)具有一定的鲁棒性。例如,Harris 角点和DoG(Difference of Gaussian)用于特征点检测,Harris-affine, Hessian-affine,MSER(Maximally Stable Extremal Region),IBR(Intensity Based Region),EBR(Edge Based Region),这些特征提取方法则对图像区域的仿射变换不敏感。

LIOP特征提取流程:

首先,图像的亮度值(像素值)被用来将局部块分割为若干个子区间(ordinal bin),每个子区间的所有像素的像素值都在某个区间段之内。接着,每个像素的LIOP特征通过该像素及其周围采样点的灰度信息来计算得到。最后,LIOP特征向量是通过局部顺序区间内所有点的LIOP特征串联起来而构成。其图示如下:

 

温馨提示,LIOP特征的matlab, c代码已经由VLFeat提供了,需要的请去这里下载:

http://www.vlfeat.org/sandbox/matlab/vl_liop.html

转载注明来源:CV视觉网 » LIOP特征

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 3

评论前必须登录!