3

我正在使用 SURF 从图像中提取特征并将它们与其他特征匹配。我的问题是某些图像具有超过 20000 个特征,这会减慢与爬行的匹配速度。

有没有一种方法可以只从该集合中提取 n 个最重要的特征?

我尝试为图像计算 MSER,并且只使用这些区域内的特征。这让我在不影响匹配质量的情况下减少了 5% 到 40%,但这是不可靠的,仍然不够。
我还可以缩小图像的大小,但在某些情况下,这似乎会严重影响特征的质量。
SURF 提供了一些参数(粗麻布阈值、倍频程和每倍频程的层数),但我找不到任何关于更改这些参数将如何影响特征重要性的信息。

4

1 回答 1

4

经过一些研究和测试,我发现每个特征的 Hessian 值是对其强度的粗略估计,但是使用按 hessian 排序的前 n 个特征并不是最优的。
在执行以下操作时,我取得了更好的结果,直到特征数量低于 n 的目标:

  • 如果图像太大,请缩小图像大小
  • 仅考虑位于 MSER 区域中的特征
  • 对于彼此非常接近的特征,仅考虑具有较高 hessian 的特征
  • 在我要保存的每张图像的 n 个特征中,75% 是具有最高 hessian 值的特征
  • 剩余的特征是从剩余部分中随机抽取的,通过直方图计算的粗麻布值的分布进行加权

现在我只需要找到一个合适的n,但目前1500左右似乎足够了。

于 2010-12-28T03:02:20.067 回答