基于差分響應圖的無監督特征點檢測網絡

林璟怡，李 東，胡曉瑞

（廣東工業大學 自動化學院，廣東 廣州510006）

圖像特征點檢測是計算機視覺研究中的一個關鍵性任務。隨著圖像處理與模式識別技術的發展，準確充分地提取原圖蘊含信息的圖像特征，對物體識別、圖像匹配、視覺跟蹤、三維重建等課題的發展有著很大的裨益，因此特征點檢測是一項關鍵且基礎的研究任務。

圖像特征點指的是周圍包含豐富的局部圖像特征的像素點，常見的特征類型有邊緣點、角點、紋理、斑點等[1]。傳統的特征點檢測方法包括Moravec算法、Harris算法、DoG算法[2-4]等。Moravec算法考察局部圖像平移前后的像素值差異，并將差異最大的局部圖像的中心像素作為特征點。然而該方法只具備弱旋轉不變性，其在實際任務中的性能表現較差。Harris算法[5]計算局部圖像方向導數得出圖像特征變換最劇烈/緩和的兩個方向，根據這兩個方向的梯度值區分無紋理區域的點、邊緣點或是角點。然而由于Harris算法對于圖像的尺度較敏感，該算法在實際復雜環境下的圖像特征提取應用中表現亦不佳。LoG和DoG算法將局部區域中的圖像導數的極值點作為特征點，無法兼顧特征點的精確定位和圖像的良好去噪，在實際應用中難以取舍。尺度不變特征轉換方法(Scale-invariant Feature Transform，SIFT)[6]算法使用高斯差分金字塔構造尺度空間，并在尺度空間中定位極值點以選取特征點。然而該算法無法對邊緣光滑的目標準確提取特征點。加速穩健特征(Speeded Up Robust Features，SURF)[7]算法對SIFT算法進行了改進，通過計算Hessian矩陣并構造尺度空間以進行特征點的選取與定位?！?br>