利用最佳化和矩量不變原理的角隅萃取

Abstract

在本論文中，我們提出兩種從灰暗度影像（graylevel image ）中直接萃取角隅之方 法（intensity-based corner detectors）。第一種方法是經由最佳化程序（optim- ization process ）設計出來，用於萃取直角，第二種方法是基於矩量不變原理（p- rinciple of moment-preserving ），適用於任意角度的角隅的萃取。 兩種方法都基於找一個最吻合輸入次影像（input subimage）而以參數化描述的理想 角隅。方法包含了兩個主要部份：第一部份是用來推定角隅參數，第二部份用來算出 一個角隅特性估計值（cornerness measure），以代表該次影像中心像元（pixel ） 為角隅的可能性。在最佳化方式中，理想角隅的參數的推定，是利用使理想角隅和輸 入次影像資料兩者在一個低維次空間上的正交投影（orthogonal projections）的距 離最近。在矩量不變的方式中，我們利用前參個矩量不變性來推定角隅參數，而利用 質心位置決定角隅朝向。第二部份採用參種不同的評估策略（measure criteria）， 來估計輸入次影像上存在一個角隅的機率－－它們分別是梯度大小（gradient magn- itude ）、同類中相似性（within-cluster uniformity ）和異類間相異性（betwe- en-cluster nonuniformity）。 最後，比較此兩種方法和另兩種著名的Kitchen-Rosenfeld 法和Moravec 法在人造影 像與空照地圖的實驗結果，顯示此兩種方法是非常有效的。