最近老師給我一個課題方向，要求研究特征提取的方法，找到提取出來的特征精度最高，這里的最高是指在多幀運動變化圖片里應(yīng)用此算法都能找到固定位置的特征，而且這個特征不限，可以是邊緣、角點或區(qū)域塊等，然后根據(jù)不同特征、其運動變化及圖像成像質(zhì)量提供不同的算法，以達到最優(yōu)。這個方向剛開始的確十分頭大，完全不知道從什么著手，是邊緣提取算法呢？還是先作目標(biāo)分割，大概想一兩天，決定先從特征點(包括角點)提取算法做起，先找到在特征點算法里非常優(yōu)秀的，然后結(jié)合各種背景(噪聲，運動變化)測試其變化。

這里主要的思路來自于一個仿射不變特征提取方法的檢測：http://www.robots.ox.ac.uk/~vgg/research/affine/

這個網(wǎng)站上面主要提供了一個仿射不變特征提取方法的評估，它提供了八組圖片，分別從噪聲、模糊、視點變化、縮放、旋轉(zhuǎn)、亮度變化來評估其仿射不變特征提取方法的效果。不過它主要是對相似區(qū)域進行提取，涉及到橢圓區(qū)域的仿射變換，而我主要進行點特征點提取的評估，要稍微簡單點，當(dāng)然也借鑒了其代碼(這里面只有評估代碼，沒有特征提取算法的代碼，不過提供了一系列算法的執(zhí)行文件)

我首先要測試的sift算法對視點變化的評估，從上面的網(wǎng)站里下載了幾個圖片【img1.ppm、img2.ppm】、變化矩陣【H1to2p】及特征點提取文件【img1.haraff.sift】，我主要從特征向量匹配程度和實際匹配的位置進行比較。我的代碼如下：

function [matchFeaIndex, matchFeaRatio,matchLocal1]=matchPointFea(file1,file2,H,image1,image2)

% 主要用特征點匹配效果測試：

% 用法：[matchFeaIndex, matchFeaRatio,matchLocal1]=matchPointFea('img1.haraff.sift','img2.haraff.sift','H1to2p','img1.ppm','img2.ppm');

% 輸入:

% file1 - 圖像1特征點檢測文件

% file2 - 圖像2特征點檢測文件

% H - 圖像1到圖像2的仿射變換矩陣

% image1 - 圖像1

% image2 - 圖像2

% 輸出:

% matchFeaIndex - 保存圖像1中同圖像2匹配的特征點在file2中的標(biāo)號，若不匹配則為0。

% matchFeaRatio - 對應(yīng)于matchIndex，保存特征點匹配程度，不匹配則為0。

% matchLocal1 - 保存圖像2中特征點位置同經(jīng)過仿射變換1之間的位置差別

% matchLocal2 - 保存圖像1中特征點位置同經(jīng)過仿射變換2之間的位置差別(保留)

% 特征點檢測文件格式：

% file1, file2:

% x1 y1 a1 b1 c1 c2 c3 ...

% x2 y2 a2 b2 c1 c2 c3 ...

%---------------------

% 第一行 保存描述子數(shù)目及大小

% x, y - 特征點位置

% a, b - 特征點大小及方向(主要針對于sift變換)

% d1 d2 d3 ... - 特征描述子向量(如果小于，則無效)

close all;

% loc存放位置及大小角度，des存放特征描述子向量,dimdesc存放描述子大小及數(shù)目

[des1, loc1, dimdesc1]=loadFeatures(file1);

[des2, loc2, dimdesc2]=loadFeatures(file2);

% 導(dǎo)入圖像

Im1=imread(image1);

Im2=imread(image2);

% 導(dǎo)入仿射矩陣文件

H=load(H);

fprintf(1,'numbers and length of descriptor in file1 %d %d\n',dimdesc1(1),dimdesc1(2));

fprintf(1,'numbers and length of descriptor in file2 %d %d\n',dimdesc2(1),dimdesc2(2));

if dimdesc1(2)>1 && dimdesc1(2)==dimdesc2(2)

fprintf(1,'%s, %s look like files with descriptors...\n',file1,file2);

else

error('Different descriptor dimension in %s or %s files.',file1,file2);

end

% 計算兩個特征向量的匹配程度可以通過向量空間余弦相似度來衡量.

% 設(shè)置比值distRatio，保證所匹配的特征點具有顯著相似度，即與第二相似度有較大差異.

distRatio = 0.6;

% 在圖像2中找到圖像1中每一個匹配點.

des2t = des2'; % 轉(zhuǎn)置

desNum = dimdesc1(1); % 圖像1特征點個數(shù)

matchFeaIndex=zeros(desNum,1);

matchFeaRatio=zeros(desNum,1);

matchNum=0;

for i = 1 : desNum

dotprods = des1(i,:) * des2t; % 計算乘積項

[vals,indx] = sort(acos(dotprods)); % 排序余弦相似度

% 找到最大余弦相似度.

if (vals(1) < distRatio * vals(2))

matchFeaIndex(i) = indx(1);

matchFeaRatio(i) = vals(1);

matchNum=matchNum+1;

else

matchFeaIndex(i) = 0;

end

end

fprintf(1,'numbers of match descriptor is %d \n',matchNum);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 確定圖像1中特征點變換到圖像2中的位置，及圖像2變換到圖像1中的位置

% 要進行仿射變換測試，要求圖像1和2必須大小相同

if size(Im1)==size(Im2)

HI=H(:, 1:3); %圖1到圖2

H=inv(HI); %圖2到圖1

fprintf(1,'Projecting 1 to 2...\n');

loc1t=projectPoints(loc1',HI);

loc1t=loc1t';

fprintf(1,'and 2 to 1...\n');

loc2t=projectPoints(loc2',H);

loc2t=loc2t';

ImageSize=size(Im1);

matchLocal1=matchLocal(loc1t,loc2,ImageSize,matchFeaIndex);

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 畫圖

% showkeys(image1,loc1); % 特征點顯示

% showkeys(image2,loc2);

% 顯示匹配圖像過程

Im=appendimages(Im1,Im2);

% Show a figure with lines joining the accepted matches.

figure('Position', [0 0 size(Im,2) size(Im,1)]);

colormap('gray');

imagesc(Im);

hold on;

cols1 = size(Im1,2);

for i = 1: size(des1,1)

if (matchFeaIndex(i) > 0 && matchLocal1(i)<5)

line([loc1(i,1) loc2(matchFeaIndex(i),1)+cols1], ...

[loc1(i,2) loc2(matchFeaIndex(i),2)], 'Color', 'c'); %畫對應(yīng)線條

plot(loc1(i,1),loc1(i,2),'r.'); %畫特征點

plot(loc2(matchFeaIndex(i),1)+cols1,loc2(matchFeaIndex(i),2),'g.'); %畫特征點

end

end

hold off;

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 點的投影運算

function loct=projectPoints(loc,H)

num=size(loc(1)); %特征點數(shù)目

loct=loc;

for i=1:num

l1=[loc(i,1),loc(i,2),1];

l1_2=H*l1';

l1_2=l1_2/l1_2(3);

loct(i,1)=l1_2(1);

loct(i,2)=l1_2(2);

end

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 加載描述子文件

function [des, loc, dimdes]=loadFeatures(file)

fid = fopen(file, 'r');

[dimdes, count]=fscanf(fid, '%d %d',[1 2]);

if count ~= 2

error('Invalid keypoint file beginning.');

end

num = dimdes(1); %描述子數(shù)目

len = dimdes(2); %描述子長度

loc = double(zeros(num, 4));

des = double(zeros(num, len));

% 將描述子導(dǎo)入向量

for i = 1:num

[vector, count] = fscanf(fid, '%f %f %f %f', [1 len+5]); %row col scale ori

if count ~= (5+len)

error('Invalid keypoint file format');

end

loc(i, :) = vector(1, 1:4);

descrip(1, :) = vector(1, 6:len+5);

descrip = descrip / sqrt(sum(descrip.^2));

des(i, :) = descrip(1, :);

end

fclose(fid);

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 計算實際特征匹配的偏差位置

function matchLoc=matchLocal(loct,loc,ImageSize,matchFeaIndex)

matchLoc=ones(size(matchFeaIndex));

for i=1:size(loct)

if matchFeaIndex(i)~=0 %找到匹配的點

%注意仿射變換，位置可能超過圖像范圍

if loct(i,1)>0&&loct(i,1)0&&loct(i,2)

&&loc(matchFeaIndex(i),1)>0&&loc(matchFeaIndex(i),1)0&&loc(matchFeaIndex(i),2)

matchLoc(i)=(loct(i,1)-loc(matchFeaIndex(i),1))^2+(loct(i,2)-loc(matchFeaIndex(i),2))^2;

matchLoc(i)=sqrt(matchLoc(i)); %這個偏差即是歐氏距離

end

end

end

matchLoc=100.*matchLoc./max(matchLoc); %計算百分比

end

最后效果圖，這里我稍微減少了匹配的特征點個數(shù)(原本匹配的點有300多個>_

總結(jié)

以上是生活随笔為你收集整理的matlab特征点数量,特征点检测效果评估（matlab代码）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。