问题标签 [feature-descriptor]

在图像描述符的经典词袋范式中，我们：

1. 为每个图像定义一组描述符
2. 我们在所有图像的所有描述符集上午餐 k-means
3. 结果，每个描述符都分配给一个集群
4. 我们定义“视觉词”（或者换句话说，如何通过向量来表示图像）：对于每张图像，我们将i-th“视觉词”向量的维度定义为属于i-th集群的描述符的数量。
5. 我们已经获得了一个k-dimension代表我们图像的“视觉词”向量。

这种方法非常适合复杂且昂贵的 SIFT 描述符……但对于二进制和快速描述符（如 Brief、ORB、BRISK 或 FREAK）是否相同？

根据这篇文章没有区别，但我想知道是否k-means可以在二进制空间中有效地计算昂贵的算法（或者是否有更好的聚类算法），或者是否有另一种方法来使用二进制向量的词袋模型。

我想在我的图像数据集的精确召回和计算时间方面测试不同的描述符（如 SIFT、SURF、ORB、LATCH等），以了解哪个更合适。

OpenCV中是否有为此目的预先构建的测试器？还有其他选择或指南吗？

亲爱的 SO 社区朋友，

希望你们都欢迎我来SO。

我只是想了解特征检测器、描述符和匹配器。

在我的研究工作之后，我对检测器和描述符很清楚，并且知道描述符用于描述图像中发现的检测器。描述符需要是旋转、方向和比例不变的。每个描述符都有一个相应的检测器，但反之则不然，因为每个特征都不能用描述符来描述。opencv.org 文档中描述了关于这个主题的清晰解释，我已经阅读了它。

这是我的疑问，

在阅读了有关二进制描述符的本教程之后

https://gilscvblog.com/2013/08/26/tutorial-on-binary-descriptors-part-1/

我对它是什么有了一些想法。简而言之

1）图像A中的512对补丁

2）将每对的强度与第一个值和第二个值进行比较。如果第一个值较高，则放置 1，否则放置 0。

3) 我们现在将有大约 512 个由 1 和 0 组成的二进制数字。随它去

4) 同样在具有不同图像“B”的补丁上重复上述 3 个步骤，并且我们有 512 个二进制数字。假设是

5）现在执行这两个二进制字符串之间的汉明距离（异或运算）

6) 执行汉明距离后的结果是

这是我的问题？

1）这一步之后会发生什么？

2) 线条是如何从一幅图像绘制到另一幅图像的。我开始知道我们正在使用类似的距离匹配。

特征匹配

我只是想实际了解图像中应用了什么，以便在描述符之间画线（描述符匹配器 - 它是如何工作的）。

寻求有关此主题的帮助。

我知道剪影是我们使用例如背景减法得到它的人体。但是轮廓的直方图是什么，它有什么好处。

因为我在许多论文中读到它们使用轮廓直方图作为识别特征。

谢谢你的合作，

问候

我只是使用了 ORB 的开源实现。

如何通过添加新模块进一步实现 ORB？

为了获得比仅使用 ORB 更好的结果，我能做些什么。

我正在考虑使用 RANSAC 来消除异常值并获得更好的结果。

在这一点上，我正在等待进一步实施 ORB 的想法。

关于以圆形和三角形实现单应性的任何想法？

大家好，我在 contrib 中使用 opencv3。问题是我想计算给定像素的筛选描述符（不使用检测到的关键点）。

我正在尝试用给定的像素构建一个 KeyPoint 向量。但是，要创建 KeyPoint，除了像素位置之外，我还需要知道大小信息。

谁能告诉我构造函数的大小是多少？我需要角度信息来计算筛选描述符吗？以及如何用 poencv3 计算它们。

我使用下面的这个函数来计算我的图像的 zernike 矩。

我设置 degree=8 并得到 25 个返回值。有人可以向我解释为什么我得到 25 个值，它们是什么？

这里的“学位”是什么？是径向度数还是方位角度数？

我很难将这个结果与维基百科的知识联系起来。例如，如果我设置 degree = 2，则返回四个值。但是从维基百科来看，有三个径向度数 = 2 的多项式，总共有 6 个径向度数 <= 2 的多项式。为什么？

我正在阅读二进制描述符，但无法理解它们是如何工作的。到目前为止，我已经了解到，其动机是创建可以非常快速地计算和匹配的描述符。我们对 n 对点进行采样，比较 n 个位置对中每一对的强度并构造一个 n 长度的向量。然后我们使用汉明距离作为两个补丁描述符之间的相似性度量。

假设我正在使用它们的二进制描述符比较两个完全相同的补丁。由于我两次都独立地对 n 对进行采样，因此补丁的相似性和特征向量之间似乎没有任何相关性。我可能在第一个补丁中采样了 n 对，在第二个补丁中以相反的顺序采样了相同的 n 对，得到的汉明距离将为 n。

我已阅读简要论文。

我正在使用 OpenCV 3.2

我正在尝试使用 FLANN 以比蛮力更快的方式匹配特征描述符。

此代码使用 SURF 和 SIFT 描述符，但不适用于 ORB。

正如这里所说，FLANN 需要描述符为 CV_32F 类型，因此我们需要对其进行转换。

但是，这个假定的修复返回给我另一个convertTo函数错误。

这个断言在opencv/modules/core/src/matrix.cpp文件中，第 2277 行。

发生了什么？

复制问题的代码。

我想使用 MATLAB 的 bagOfFeatures() 函数。但它需要以 imageSet 或 imageDataStore 的形式输入。我要运行的代码如下：

但是“序列”是一个单元类，所以 bagOfFeatures() 给了我错误。所以我尝试了这个：

但现在的问题是如何对 imgSets 中保存的图像进行处理（阈值化）。此外，在处理完如何在 imageSet 类中保存所有“image_bin”图像之后，我可以将它们作为 BagOfFeatures() 函数的输入。