1

我在理解 SURF 和 SIFT 算法时遇到了一些概念性问题，所有关于 SURF的内容。就我的理解而言，SURF 发现高斯的拉普拉斯算子，而 SIFT 对高斯的差异进行运算。然后它围绕它构造一个 64 变量向量来提取特征。我已经应用了这个CODE。

（Q1）那么，什么形成了这些特征？

(Q2)我们使用 SurfFeatureDetector 检测器 (500) 初始化算法。那么，这是否意味着特征空间的大小为 500？

(Q3) SURF Good_Matches 的输出给出了 Keypoint1 和 Keypoint2 之间的匹配，并且通过调整匹配的数量，我们可以得出结论，是否已经找到/检测到对象。关键点是什么意思？这些存储功能吗？

(Q4)我需要做物体识别申请。在代码中，算法似乎可以识别这本书。因此，它可以应用于物体识别。我的印象是 SURF 可用于根据颜色和形状区分对象。但是，SURF 和 SIFT 是找到角边缘检测的，因此使用彩色图像作为训练样本是没有意义的，因为它们会被转换为灰度。在这些算法中没有使用颜色或 HSV 的选项，除非我分别计算每个通道的关键点，这是一个不同的研究领域（评估对象和场景识别的颜色描述符）。

那么，如何根据物体的颜色、形状来检测和识别物体呢？我想我可以使用 SURF 根据形状来区分对象。比如说，我有两本书和一瓶。我只需要从整个对象中识别出一本书。但是，一旦场景中有其他类似形状的物体，SURF 就会产生很多误报。我将不胜感激有关申请我的申请的方法的建议。

4

1 回答 1

3

  1. 局部最大值（DoG 的响应大于（小于）相邻像素关于金字塔中的点、上图和情人图像的响应——3x3x3 邻域）形成特征（圆）中心的坐标。圆的半径是金字塔的水平。

  2. 是 Hessian 阈值。这意味着您将只取值大于阈值的最大值（参见 1）。更大的阈值导致更少的特征数量，但特征的稳定性更好，反之亦然。

  3. 关键点 == 特征。在 OpenCV中，关键点是存储特征的结构。

  4. 不，SURF 适用于比较纹理对象，但不适用于形状和颜色。对于形状，我建议使用 MSER（但不是 OpenCV 之一）、Canny 边缘检测器，而不是局部特征。此演示文稿可能有用

于 2013-11-08T09:47:22.143 回答