我正在学习特征检测算法。我已经研究了一些选项：SIFT、SURF、BRISK、FREAK等。它们在数学上都相当复杂。相反，我想一步一步地学习，因此我正在寻找一种简单的方法，不需要像SURF那样好。你会推荐哪个算法来学习和实现呢？
哪个特征检测算法最简单易学？
4
- c0dehunter
1
维基百科对于特征检测的文章列出了许多算法，其中一些看起来相当容易理解。当然，您需要理解一些数学知识，但是您只需花费几个小时的学习就可以做到。 - Jim Mischel
4个回答
8
首先要记住的是检测器和描述符之间的区别。检测器是一种用于在图像中检测兴趣点的算法，通常是角落或类似结构的斑点中心。然后，如果您需要跨图像匹配这些点，就会计算描述符，它们是表示兴趣点周围补丁的某种值向量。
这应该有助于消除一些困惑。例如，“good features to track”，也称为最小特征值角点检测器，是一个兴趣点检测器。FREAK是一种特征描述符。SIFT、SURF和BRISK包括检测器和描述符。然而，通常情况下，您可以混合和匹配检测器和描述符。
因此，首先，您应该查看像GFTT和Harris这样的角点检测器，以及Laplacian blob detector。大多数较新的兴趣点检测器都是检测角落或斑点的更快方法。
对于描述符，请从SIFT开始。它可能看起来有点可怕，但这是第一个有效的描述符，也是其他所有描述符的灵感和基准。
这应该有助于消除一些困惑。例如，“good features to track”，也称为最小特征值角点检测器，是一个兴趣点检测器。FREAK是一种特征描述符。SIFT、SURF和BRISK包括检测器和描述符。然而，通常情况下，您可以混合和匹配检测器和描述符。
因此，首先，您应该查看像GFTT和Harris这样的角点检测器，以及Laplacian blob detector。大多数较新的兴趣点检测器都是检测角落或斑点的更快方法。
对于描述符，请从SIFT开始。它可能看起来有点可怕，但这是第一个有效的描述符，也是其他所有描述符的灵感和基准。
- Dima
3
如果你要开始简单的话，那么可能最简单的特征描述符就是在检测到的特征周围取一个NxN的正方形，然后连接所有像素值。但是这在实践中效果不好，因为它对光照、旋转、尺度等小变化非常敏感 - 但你可以用图像的两个翻译版本测试你的实现。
目前看来“真正有效”的最简单的特征描述符似乎是BRIEF描述符(http://cvlabwww.epfl.ch/~lepetit/papers/calonder_eccv10.pdf)，它随机比较相邻像素值的配对，以构建二进制描述符。请注意，它不是尺度或旋转不变的，为了达到这个目的，你需要使用许多扩展之一，比如AKAZE、BRISK、FREAK或ORB。
目前看来“真正有效”的最简单的特征描述符似乎是BRIEF描述符(http://cvlabwww.epfl.ch/~lepetit/papers/calonder_eccv10.pdf)，它随机比较相邻像素值的配对，以构建二进制描述符。请注意，它不是尺度或旋转不变的，为了达到这个目的，你需要使用许多扩展之一，比如AKAZE、BRISK、FREAK或ORB。
- Meekohi
1
点赞！二进制描述符易于理解和实现，性能也相当不错。在所有二进制描述符中，BRIEF、ORB、BRISK和FREAK中，BRIEF是最早和最简单的，可以作为一个很好的起点。 - Yu Lu
1
我认为你可以尝试使用GFTT：Good features to track，它是基于Shi-Tomasi定义和方程的。它非常古老，但我认为也很容易阅读。
- Armin Mustafa
1
在我看来，SIFT是一种很好的算法。可以访问vlfeat.org获取他们开发的免费代码，并且有多个易于实现的教程。
- user2466766
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接