AI 词汇表
人工智能完整词典
SIFT (尺度不变特征变换)
一种尺度和旋转不变的关键点检测和描述算法，使用多尺度空间和基于方向直方图的描述符。
SURF (加速稳健特征)
使用盒子滤波器近似计算Hessian行列式的加速特征检测方法，在保持与SIFT相似鲁棒性的同时提供更优的性能。
ORB (定向FAST和旋转BRIEF)
结合FAST检测器和BRIEF描述器的二进制检测器-描述器，添加方向信息实现旋转不变性，为SIFT/SURF提供免费且高效的替代方案。
Harris角点检测器
基于局部梯度自相关矩阵分析的经典角点检测算法，识别在多个方向上强度变化显著的点。
FAST (加速段测试特征)
基于邻域像素强度与阈值比较的高性能关键点检测器，针对实时计算时间进行优化。
BRIEF (二进制稳健独立基本特征)
通过在图像块中随机比较像素对生成位向量的紧凑二进制描述符，以牺牲旋转不变性为代价实现极高速度。
HOG (方向梯度直方图)
计算图像局部区域中梯度方向出现次数的特征描述符，特别适用于物体检测。
二进制描述符
以二进制向量形式表示的紧凑局部特征表示，允许使用XOR操作和汉明距离进行极快速比较。
特征匹配
在两幅或多幅图像之间识别对应兴趣点对的过程，对于图像拼接、跟踪和三维重建至关重要。
兴趣点
图像中具有独特且可重复特征的特定空间位置，例如角点、斑点或纹理区域，可以被可靠地检测到。
局部描述符
一个数值向量，用于描述兴趣点周围区域的视觉外观，捕获了在存在各种变换的情况下进行稳健识别所需的关键信息。
尺度空间
图像的多分辨率表示，通过生成不同尺度下的版本来检测对尺寸变化不变的特征，是SIFT和SURF算法的基础。
RANSAC (随机样本共识)
一种稳健的迭代算法，用于从包含离群点（外点）的数据中估计模型参数，在计算机视觉中广泛用于过滤错误的匹配。
角点检测器
一类算法，用于识别图像中曲率较高的点，这些点处的梯度在至少两个正交方向上都有显著变化。
旋转不变性
检测器或描述符的一种特性，即使图像发生旋转，也能产生稳定的结果，通常通过估计局部图像块的朝向来实现。
尺度不变性
算法的一种能力，能够检测和描述相同的特征，而不受其在图像中表观尺寸的影响，通过在尺度空间中进行搜索来实现。
高斯差分滤波器
通过减去两张具有不同标准差的模糊图像来近似拉普拉斯高斯算子的操作符，在SIFT中用于斑点检测。
拉普拉斯高斯滤波器
结合高斯平滑与拉普拉斯算子的斑点检测滤波器，在尺度空间中识别局部极值区域，实现尺度不变检测。
角点响应函数
基于局部梯度矩阵的特征值来量化像素成为角点可能性的数学函数，用于Harris类角点检测器。
非极大值抑制
仅保留局部极大值来消除检测器冗余响应的后处理技术，确保兴趣点的空间分布更佳。