图像局部特征检测及描述

图像特征的检测及描述是完成计算机视觉相关的三维重建、目标识别/跟踪、图像恢复及分类等各种任务的第一步，其性能直接影响后续过程的效果，具有重要的理论意义和实用价值。

本书针对噪声图像中的特征检测及描述的稳定性和可分辨性问题，介绍了国内外经典算法的原理和作者的相关研究成果，并对算法的优势和局限性进行了分析。本书重点介绍了30多种特征检测算法，包括基于边缘、模板、灰度导数以及基于机器学习的角点检测算法，基于灰度导数、机器学习以及与滤波整合的像素级边缘检测算法，基于灰度矩、空间矩的亚像素级边缘检测算法，SIFT、SURF等斑点检测算法。本书还介绍了10多种特征描述算法，包括GLOH、WLD、BRIEF、ORB等经典描述算法，还包括清晰或模糊直线的参数估计。虽然本书不能涵盖所有的特征检测及描述算法，但基本包括各类代表性方法。

本书可作为高等学校计算机专业及其他信息类专业研究生和高年级本科生的参考书目，也可供从事计算机视觉等相关领域研究的科研技术人员阅读参考。