CP HDR: A feature point detection and description library for LDR and HDR images

在计算机视觉中，“特征”指具有独特属性的图像区域，例如角落、边缘、纹理或具有高对比度的区域。这些区域可以通过特征点（FP）表示。FP检测和描述是许多计算机视觉任务的基本步骤。大多数FP检测和描述方法使用低动态范围（LDR）图像，适用于大多数涉及数字图像的应用。然而，在极端光照条件下，LDR图像可能会出现饱和像素，从而降低FP检测的质量。另一方面，高动态范围（HDR）图像通常具有更大的动态范围，但FP检测算法并未充分利用这些图像中的所有信息。本研究系统地评估了使用HDR图像作为输入的图像检测和描述算法。我们开发了一个名为CP_HDR的库，实现了Harris角点检测器、SIFT检测器和描述符，以及两种专门针对HDR图像的算法修改，称为SIFT for HDR（SfHDR）和Harris for HDR（HfHDR）。以往的研究调查了HDR图像在FP检测中的应用，但我们没有发现研究调查HDR图像在FP描述中的应用。通过使用均匀性、可重复性、平均精度和匹配率等指标，我们比较了CP_HDR算法在使用LDR和HDR图像时的性能。我们观察到FP在图像的高光区域、中光区域和低光区域之间分布的均匀性有所提高。结果表明，使用HDR图像作为检测算法的输入可以提高性能，并且SfHDR和HfHDR可以增强FP描述。

本论文旨在解决使用高动态范围（HDR）图像进行特征点检测和描述时的问题。LDR图像可能会在极端光照条件下出现饱和像素，从而降低FP检测的质量，而HDR图像通常具有更大的动态范围，但FP检测算法并没有充分利用这些信息。

本论文提出了一种使用HDR图像作为输入的特征点检测和描述算法，并实现了Harris角检测器、SIFT检测器和描述器，以及两种针对HDR图像的修改算法。实验结果表明，使用HDR图像作为输入可以提高检测算法的性能，并且SfHDR和HfHDR可以增强FP描述的质量。

本论文提出的CP_HDR库实现了HDR图像下的特征点检测和描述算法，包括Harris角检测器、SIFT检测器和描述器以及两种专门针对HDR图像的修改算法。实验使用了uniformity、repeatability rate、mean average precision和matching rate等指标对CP_HDR算法在LDR和HDR图像下的性能进行了比较。实验结果表明，使用HDR图像作为输入可以提高检测算法的性能，并且SfHDR和HfHDR可以增强FP描述的质量。

最近的研究中，也有一些关于使用HDR图像进行FP检测的研究，但本论文是第一个使用HDR图像进行FP描述的研究。