第1章 引言
1.1 局部特征发晨历程
1.2 常用术语
1.3 局部特征性质
1.4 局部特征应用
1.5 局部特征配准流程和本书的结构
参考文献
第2章 圈像尺度空间理论
2.1 金字塔多分辨率
2.2 高斯尺度空间及性质
2.2.1 多尺度和多分辨率
2.2.2 尺度空间和生物视觉
2.3 自动尺度选择
2.3.1 尺度选择思路
2.3.2 尺度选择准则
2.4 斑点(Blob)检测
2.4.1 一维信号斑点检测
2.4.2 LoG检测
2.4.3 DoH检测
2.5 边缘(Edge)检测
2.6 角点(Corner)检测
2.6.1 角点定位算法
2.6.2 角点检测效果
参考文献
第3章 点与边缘检测
3.1 Harris角点
3.2 尺度不交性Harris角点
3.2.1 Harris尺度不变性问题
3.2.2 多尺度二阶矩
3.2.3 多尺度Harris角点
3.2.4 多尺度Harris角点精化
3.3 仿射不交性Harris角点
3.3.1 初始定位：Affine Gaussian Scale-Space
3.3.2 仿射不变性角点检测
3.4 SUSAN检测算子
3.5 边缘检测
3.5.1 一阶微分边缘算子
3.5.2 二阶微分边缘算子
3.5.3 Canny边缘检测算子
参考文献
第4章 高效斑点检测方法
4.1 SIFT算法
4.1.1 DoG尺度空间生成
4.1.2 特征点搜索
4.1.3 点的搜索与定位
4.1.4 删除边缘效应
4.2 SURF算法
4.2.1 积分图像
4.2.2 Doll近似
4.2.3 尺度空间表示
参考文献
第5章 区域检测方法
5.1 最大稳定极值区域
5.1.1 MSERs基本概念与定义
5.1.2 MSERs检测
5.1.3 MSERs区域拟合
5.1.4 MSERs区域归一化
5.2 基于边缘区域
5.2.1 曲线边缘
5.2.2 直线边缘
5.3 基于密度极值区域
5.4 显著性区域
5.4.1 区域信息熵
5.4.2 圆形显著性区域
5.4.3 非对称显著性区域
参考文献
第6章 图像局部特征描述
6.1 SIFT特征描述子
6.1.1 特征点方向分配
6.1.2 特征点特征矢量生成
6.2 SURF特征描述子
6.2.1 特征点方向分配
6.2.2 特征点特征矢量生成
6.3 其他特征描述子
6.3.1 PCA-SIFT
6.3.2 GLOH
6.3.3 旋转图像
6.3.4 微分滤波器
参考文献
第7章 图像特征点匹配
7.1 Kd-树算法
7.1.1 构建算法
7.1.2 最近邻查询算法
7.1.3 改进Kd-树最近邻查询
7.1.4 Kd-树和Spill-树
7.1.5 Kd-树与穷尽搜索比较
7.2 匹配对提纯
7.2.1 比值提纯法
7.2.2 一致性提纯法
参考文献
第8章 评估和应用
8.1 斑点检测算子比较
8.1.1 图像数据
8.1.2 尺度缩放比较
8.1.3 视角变换比较
8.1.4 光照变化比较
8.1.5 图像模糊
8.2 区域检测算子比较
8.2.1 区域仿射不变算子的评价准则
8.2.2 度缩放+旋转
8.2.3 视角变换
8.2.4 光照变化
8.2.5 图像模糊
8.3 局部特征的应用
8.3.1 数字摄影测量
8.3.2 正射影像更新
8.3.3 视频图像拼接
8.3.4 目标跟踪
8.3.5 目标识别
参考文献
索引
缺书网
扫码进群