2

我正在研究特征检测算法，很多事情似乎都不清楚。对于图像处理的初学者来说，原始论文理解起来相当复杂。如果这些都得到答复将很高兴

  1. SURF 和 SIFT 检测到哪些特征？
  2. 是否有必要在灰度图像上计算这些？
  3. 用简单的话来说，“描述符”一词是什么意思。
  4. 一般来说，选择/提取了多少特征？有标准吗？
  5. Hessian矩阵的大小决定什么？
  6. 被检测的特征的大小是多少？据说一个特征的大小就是blob的大小。那么，如果图像的大小是M*N，那么会有M*N个特征吗？

这些问题可能看起来太琐碎了，但请帮助..

4

1 回答 1

7

我会尝试对你的一些问题给出一个直观的答案，我不知道所有的答案。

（您没有指定您正在阅读的论文）

SURF 和 SIFT 检测到哪些特征以及检测到多少特征？

通常，特征是图像中您围绕其选择一个小块的任何部分。您将该块向各个方向移动一小段距离。如果您发现所选内容与其周围环境之间存在相当大的差异，则将其视为一项功能。假设您稍微移动相机拍摄图像，您仍然会检测到此功能。这就是他们的重要性。通常，此类功能的最佳示例corners在图像中。即使是边缘也不是很好的特征。当你沿着边缘线移动你的块时，你没有发现任何变化，对吧？

检查此图像以了解我所说的内容，只有在移动补丁时您会在拐角处获得相当大的变化，在其他两种情况下您不会得到太多。

在此处输入图像描述

图片链接： http: //www.mathworks.in/help/images/analyzing-images.html

这里给出了一个很好的解释：http: //aishack.in/tutorials/features-what-are-they/

这是您提到的基本思想和算法，使其对多种变体更加稳健并解决了许多问题。（您可以参考他们的论文以获取更多详细信息）

是否有必要在灰度图像上计算这些？

我认同。无论如何，OpenCV 适用于灰度图像

用简单的话来说，“描述符”一词是什么意思？

假设您在一张图像中找到了特征，比如建筑物的图像。现在您拍摄了同一建筑物的另一张图像，但方向略有不同。您还在第二张图片中找到了功能。但是你怎么能匹配这些功能。说图像 1 中的特征 1 与图像 2 中的哪个特征匹配？（作为一个人，你可以很容易地做到，对吧？第一张图片中的这个角落对应第二张图片中的这个角落，某某。非常容易）。

功能只是为您提供像素位置。您需要有关该点的更多信息以将其与其他点匹配。因此，您必须使用describe该功能。而这种描述被称为“描述符”。为了描述这个特性，有算法，你可以看 SIFT 论文。

也检查这个链接：http: //aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/

一般来说，选择/提取了多少特征？有标准吗？

在处理过程中，您可以看到应用不同的阈值、删除弱关键点等。这都是计划的一部分。你需要了解算法才能理解这些东西。是的，您可以指定这些阈值和其他参数（在 OpenCV 中），也可以将其保留为默认值。如果您在 OpenCV 文档中检查SIFT，您可以查看函数参数来指定特征数量、倍频程层数、边缘阈值等。

Hessian矩阵的大小决定什么？

我不确切知道，只是它是关键点检测器的阈值。检查 OpenCV 文档：http ://docs.opencv.org/modules/nonfree/doc/feature_detection.html#double%20hessianThreshold

于 2013-04-21T04:51:34.340 回答