概述

特征提取是計(jì)算機(jī)視覺中的一個(gè)重要主題。不論是SLAM、SFM、三維重建等重要應(yīng)用的底層都是建立在特征點(diǎn)跨圖像可靠地提取和匹配之上。特征提取是計(jì)算機(jī)視覺領(lǐng)域經(jīng)久不衰的研究熱點(diǎn)，總的來說，快速、準(zhǔn)確、魯棒的特征點(diǎn)提取是實(shí)現(xiàn)上層任務(wù)基本要求。

特征點(diǎn)是圖像中梯度變化較為劇烈的像素，比如：角點(diǎn)、邊緣等。FAST（Features from Accelerated Segment Test）是一種高速的角點(diǎn)檢測算法；而尺度不變特征變換SIFT（Scale-invariant feature transform）仍然可能是最著名的傳統(tǒng)局部特征點(diǎn)。也是迄今使用最為廣泛的一種特征。特征提取一般包含特征點(diǎn)檢測和描述子計(jì)算兩個(gè)過程。描述子是一種度量特征相似度的手段，用來確定不同圖像中對(duì)應(yīng)空間同一物體，比如：BRIEF（Binary Robust IndependentElementary Features）描述子?？煽康奶卣魈崛?yīng)該包含以下特性：

（1）對(duì)圖像的旋轉(zhuǎn)和尺度變化具有不變性；（2）對(duì)三維視角變化和光照變化具有很強(qiáng)的適應(yīng)性；（3）局部特征在遮擋和場景雜亂時(shí)仍保持不變性；（4）特征之間相互區(qū)分的能力強(qiáng)，有利于匹配；（5）數(shù)量較多，一般500×500的圖像能提取出約2000個(gè)特征點(diǎn)。

近幾年深度學(xué)習(xí)的興起使得不少學(xué)者試圖使用深度網(wǎng)絡(luò)提取圖像特征點(diǎn)，并且取得了階段性的結(jié)果。圖1給出了不同特征提取方法的特性。本文中的傳統(tǒng)算法以O(shè)RB特征為例，深度學(xué)習(xí)以SuperPoint為例來闡述他們的原理并對(duì)比性能。

圖1 不同的特征提取方法對(duì)比

傳統(tǒng)算法—ORB特征

盡管SIFT是特征提取中最著名的方法，但是因?yàn)槠溆?jì)算量較大而無法在一些實(shí)時(shí)應(yīng)用中使用。為了研究一種快速兼顧準(zhǔn)確性的特征提取算法，Ethan Rublee等人在2011年提出了ORB特征：“ORB：An Efficient Alternative to SIFT or SURF”。ORB算法分為兩部分，分別是特征點(diǎn)提取和特征點(diǎn)描述。ORB特征是將FAST特征點(diǎn)的檢測方法與BRIEF特征描述子結(jié)合起來，并在它們?cè)瓉淼幕A(chǔ)上做了改進(jìn)與優(yōu)化。其速度是SIFT的100倍，是SURF的10倍。Fast特征提取從圖像中選取一點(diǎn)P，如圖2。按以下步驟判斷該點(diǎn)是不是特征點(diǎn)：以P為圓心畫一個(gè)半徑為3 pixel的圓；對(duì)圓周上的像素點(diǎn)進(jìn)行灰度值比較，找出灰度值超過 l（P）+h 和低于 l（P）-h 的像素，其中l(wèi)（P）是P點(diǎn)的灰度， h是給定的閾值；如果有連續(xù)n個(gè)像素滿足條件，則認(rèn)為P為特征點(diǎn)。一般n設(shè)置為9。為了加快特征點(diǎn)的提取，首先檢測1、9、5、13位置上的灰度值，如果P是特征點(diǎn)，那么這四個(gè)位置上有3個(gè)或3個(gè)以上的像素滿足條件。如果不滿足，則直接排除此點(diǎn)。

圖2 FAST特征點(diǎn)判斷示意圖上述步驟檢測出的FAST角點(diǎn)數(shù)量很大且不確定，因此ORB對(duì)其進(jìn)行改進(jìn)。對(duì)于目標(biāo)數(shù)量K為個(gè)關(guān)鍵點(diǎn)，對(duì)原始FAST角點(diǎn)分別計(jì)算Harris響應(yīng)值，，然后根據(jù)響應(yīng)值來對(duì)特征點(diǎn)進(jìn)行排序，選取前K個(gè)具有最大響應(yīng)的角點(diǎn)作為最終的角點(diǎn)集合。除此之外，F(xiàn)AST不具有尺度不變性和旋轉(zhuǎn)不變性。ORB算法構(gòu)建了圖像金字塔，對(duì)圖像進(jìn)行不同層次的降采樣，獲得不同分辨率的圖像，并在金字塔的每一層上檢測角點(diǎn)，從而獲得多尺度特征。最后，利用灰度質(zhì)心法計(jì)算特征點(diǎn)的主方向。作者使用矩來計(jì)算特征點(diǎn)半徑范圍內(nèi)的質(zhì)心，特征點(diǎn)坐標(biāo)到質(zhì)心形成一個(gè)向量作為該特征點(diǎn)的方向。矩定義如下：

計(jì)算圖像的0和1階矩：

則特征點(diǎn)的鄰域質(zhì)心為：

進(jìn)一步得到特征點(diǎn)主方向：

描述子計(jì)算BRIEF算法計(jì)算出來的是一個(gè)二進(jìn)制串的特征描述符，具有高速、低存儲(chǔ)的特點(diǎn)。具體步驟是在一個(gè)特征點(diǎn)的鄰域內(nèi)，選擇n對(duì)像素點(diǎn)pi、qi（i=1，2，…，n）。然后比較每個(gè)點(diǎn)對(duì)的灰度值的大小。如果I（pi）》 I（qi），則生成二進(jìn)制串中的1，否則為0。所有的點(diǎn)對(duì)都進(jìn)行比較，則生成長度為n的二進(jìn)制串。一般n取128、256或512。另外，為了增加特征描述符的抗噪性，算法首先需要對(duì)圖像進(jìn)行高斯平滑處理。在選取點(diǎn)對(duì)的時(shí)候，作者測試了5種模式來尋找一種特征點(diǎn)匹配的最優(yōu)模式（pattern）。

圖3 測試分布方法最終的結(jié)論是，第二種模式（b）可以取得較好的匹配結(jié)果。

深度學(xué)習(xí)的方法—SuperPoint

深度學(xué)習(xí)解決特征點(diǎn)提取的思路是利用深度神經(jīng)網(wǎng)絡(luò)提取特征點(diǎn)而不是手工設(shè)計(jì)特征，它的特征檢測性能與訓(xùn)練樣本、網(wǎng)絡(luò)結(jié)構(gòu)緊密相關(guān)。一般分為特征檢測模塊和描述子計(jì)算模塊。在這里以應(yīng)用較為廣泛的SuperPoint為例介紹該方法的主要思路。該方法采用了自監(jiān)督的全卷積網(wǎng)絡(luò)框架，訓(xùn)練得到特征點(diǎn)（keypoint）和描述子（descriptors）。自監(jiān)督指的是該網(wǎng)絡(luò)訓(xùn)練使用的數(shù)據(jù)集也是通過深度學(xué)習(xí)的方法構(gòu)造的。該網(wǎng)絡(luò)可分為三個(gè)部分（見圖1），（a）是BaseDetector（特征點(diǎn)檢測網(wǎng)絡(luò)），（b）是真值自標(biāo)定模塊。（c）是SuperPoint網(wǎng)絡(luò)，輸出特征點(diǎn)和描述子。雖然是基于深度學(xué)習(xí)的框架，但是該方法在Titan X GPU上可以輸出70HZ的檢測結(jié)果，完全滿足實(shí)時(shí)性的要求。

圖4 SuperPoint 網(wǎng)絡(luò)結(jié)構(gòu)示意圖下面分別介紹一下三個(gè)部分：BaseDetector特征點(diǎn)檢測：首先創(chuàng)建一個(gè)大規(guī)模的合成數(shù)據(jù)集：由渲染的三角形、四邊形、線、立方體、棋盤和星星組成的合成數(shù)據(jù)，每個(gè)都有真實(shí)的角點(diǎn)位置。渲染合成圖像后，將單應(yīng)變換應(yīng)用于每個(gè)圖像以增加訓(xùn)練數(shù)據(jù)集。單應(yīng)變換對(duì)應(yīng)著變換后角點(diǎn)真實(shí)位置。為了增強(qiáng)其泛化能力，作者還在圖片中人為添加了一些噪聲和不具有特征點(diǎn)的形狀，比如橢圓等。該數(shù)據(jù)集用于訓(xùn)練 MagicPoint 卷積神經(jīng)網(wǎng)絡(luò)，即BaseDetector。注意這里的檢測出的特征點(diǎn)不是SuperPoint，還需要經(jīng)過Homographic Adaptation操作。

圖5 預(yù)訓(xùn)練示意圖特征檢測性能表現(xiàn)如下表：

圖 6 MagicPoint 模型在檢測簡單幾何形狀的角點(diǎn)方面優(yōu)于經(jīng)典檢測器真值自標(biāo)定：Homographic Adaptation 旨在實(shí)現(xiàn)興趣點(diǎn)檢測器的自我監(jiān)督訓(xùn)練。它多次將輸入圖像進(jìn)行單應(yīng)變換，以幫助興趣點(diǎn)檢測器從許多不同的視點(diǎn)和尺度看到場景。以提高檢測器的性能并生成偽真實(shí)特征點(diǎn)。

圖7 Homographic Adaptation操作Homographic Adaptation可以提高卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的特征點(diǎn)檢測器的幾何一致性。該過程可以反復(fù)重復(fù)，以不斷自我監(jiān)督和改進(jìn)特征點(diǎn)檢測器。在我們所有的實(shí)驗(yàn)中，我們將Homographic Adaptation 與 MagicPoint 檢測器結(jié)合使用后的模型稱為 SuperPoint。

圖8 Iterative Homographic AdaptationSuperPoint網(wǎng)絡(luò)：SuperPoint 是全卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，它在全尺寸圖像上運(yùn)行，并在單次前向傳遞中產(chǎn)生帶有固定長度描述符的特征點(diǎn)檢測（見圖 9）。該模型有一個(gè)共享的編碼器來處理和減少輸入圖像的維數(shù)。在編碼器之后，該架構(gòu)分為兩個(gè)解碼器“頭”，它們學(xué)習(xí)特定任務(wù)的權(quán)重——一個(gè)用于特征檢測，另一個(gè)用于描述子計(jì)算。大多數(shù)網(wǎng)絡(luò)參數(shù)在兩個(gè)任務(wù)之間共享，這與傳統(tǒng)系統(tǒng)不同，傳統(tǒng)系統(tǒng)首先檢測興趣點(diǎn)，然后計(jì)算描述符，并且缺乏在兩個(gè)任務(wù)之間共享計(jì)算和表示的能力。

圖 9 SuperPoint DecodersSuperPoint 架構(gòu)使用類似VGG編碼器來降低圖像的維度。編碼器由卷積層、通過池化的空間下采樣和非線性激活函數(shù)組成。解碼器對(duì)圖片的每個(gè)像素都計(jì)算一個(gè)概率，這個(gè)概率表示的就是其為特征點(diǎn)的可能性大小。描述子輸出網(wǎng)絡(luò)也是一個(gè)解碼器。先學(xué)習(xí)半稠密的描述子（不使用稠密的方式是為了減少計(jì)算量和內(nèi)存），然后進(jìn)行雙三次插值算法（bicubic interpolation）得到完整描述子，最后再使用L2標(biāo)準(zhǔn)化（L2-normalizes）得到單位長度的描述。最終損失是兩個(gè)中間損失的總和：一個(gè)用于興趣點(diǎn)檢測器 Lp，另一個(gè)用于描述符 Ld。我們使用成對(duì)的合成圖像，它們具有真實(shí)特征點(diǎn)位置和來自與兩幅圖像相關(guān)的隨機(jī)生成的單應(yīng)性 H 的地面實(shí)況對(duì)應(yīng)關(guān)系。同時(shí)優(yōu)化兩個(gè)損失，如圖 4c 所示。使用λ來平衡最終的損失：

實(shí)驗(yàn)效果對(duì)比：

圖10 不同的特征檢測方法定性比較

圖 11 檢測器和描述符性能的相關(guān)指標(biāo)

結(jié)論

在特征檢測上，傳統(tǒng)方法通過大量經(jīng)驗(yàn)設(shè)計(jì)出了特征檢測方法和描述子。盡管這些特征在光照變化劇烈，旋轉(zhuǎn)幅度大等情況下還存在魯棒性問題，但仍然是目前應(yīng)用最多、最成熟的方法，比如ORB-SLAM使用的ORB特征、VINS-Mono使用的FAST特征等都是傳統(tǒng)的特征點(diǎn)。深度學(xué)習(xí)的方法在特征檢測上表現(xiàn)了優(yōu)異的性能，但是：（1）存在模型不可解釋性的問題；（2）在檢測和匹配精度上仍然沒有超過最經(jīng)典的SIFT算法。（3）大部分深度學(xué)習(xí)的方案在CPU上運(yùn)實(shí)時(shí)性差，需要GPU的加速。（4）訓(xùn)練需要大量不同場景的圖像數(shù)據(jù)，訓(xùn)練困難。本文最后的Homograpyhy Estimation指標(biāo)，SuperPiont超過了傳統(tǒng)算法，但是評(píng)估的是單應(yīng)變換精度。單應(yīng)變換在并不能涵蓋所有的圖像變換。比如具有一般性質(zhì)的基礎(chǔ)矩陣或者本質(zhì)矩陣的變換，SurperPoint表現(xiàn)可能不如傳統(tǒng)方法。

原文標(biāo)題：特征提?。簜鹘y(tǒng)算法 vs 深度學(xué)習(xí)

文章出處：【微信公眾號(hào)：新機(jī)器視覺】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。