第5章 基于缺席重要性的点线特征检测与匹配

本章^［51］继续研究图像中特征点、线的检测问题：按照正常的逻辑，如果一件事物是重要的，那么该事物的缺席（丢失）将会造成重大影响，反之则不会。也就是说，缺席造成的影响可作为评估事物是否重要的一种度量方式。受这一思路的启发，我们考虑如下问题：在由众多像素组成的数字图像中，哪些像素具有较高的重要性?可否通过评估像素缺席（丢失）对其局部结构造成的影响来对各像素的重要性进行评估?具有较高重要性的像素对应着图像中的哪些结构信息?这些像素是否能够对图像结构分析与理解提供帮助?

基于上述考虑，本章的研究内容界定在利用像素缺席造成的影响对各像素点的重要性进行评估，并在此基础上分析像素重要性与图像局部结构的关系及其应用。首先，需要考虑的问题是如何定量评估像素缺席造成的影响，一个直观的思路是选取合适的局部统计量并通过对比缺席前后统计量的数值变化。下面以选取均值与标准差作为统计量为例具体分析图像中不同类型像素点的缺席重要性。如图5-1所示，三种3×3区域分别为平坦区域、边缘点和角点的局部结构（注：一个方格代表一个像素，方格内数字代表像素灰度值）。表5-1给出了图5-1中三种类型中心像素缺席前后局部区域均值与标准差的数值。可以看出：平坦区域中心像素的缺席对于局部灰度均值与标准差没有任何影响，边缘像素与角点像素的缺席则能造成较大响应。显然，通过评估中心像素缺席对局部统计量造成的不同影响，可以将边缘点、角点与普通像素区分开来，本章工作正是基于这种基本思想展开的。