功能检测算法和其他疑问有哪些功能

Question

我正在通过特征检测算法,很多事情似乎都不清楚.对于图像处理的初学者来说,原始论文很难理解.如果这些得到回答,我们将很高兴

1. SURF和SIFT正在检测哪些功能？
2. 是否有必要在灰度图像上计算这些？
3. 术语"描述符"用简单的词语表示什么.
4. 通常,选择/提取了多少个功能？是否有标准？
5. Hessian矩阵的大小决定了什么？
6. 被检测的特征的大小是多少？据说特征的大小是blob的大小.因此,如果图像的大小是M*N,那么是否会有M*N n个特征？

这些问题可能看起来太微不足道了,但请帮助..

Answer 1

我将试着直截了当地回答你的一些问题,我不知道所有问题的答案.

(您没有指定您正在阅读哪篇论文)

SURF和SIFT有哪些功能和多少功能被检测到？

通常,要素是图像中您选择小块的任何部分.您可以在所有方向上移动该块一小段距离.如果您发现所选择的与周围环境之间存在很大差异,则会将其视为一项功能.假设您将相机移动了一点以拍摄图像,您仍会检测到此功能.这是他们的重要性.通常,这种特征的最佳示例是corners在图像中.即使边缘也不是那么好的特征.当您沿着边缘线移动块时,您没有找到任何变化,对吧？

检查此图像以了解我所说的内容,只有在角落处移动补丁时会出现相当大的变化,在其他两种情况下,您不会得到太多.

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/

这个基本思想和你提到的算法使得它对几个变量更加健壮,并解决了许多问题.(您可以参考他们的论文了解更多细节)

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

术语"描述符"用简单的词语表示什么？

假设您在一个图像中找到了特征,比如建筑物的图像.现在你拍摄了同一建筑物的另一张图片,但方向略有不同.您在第二张图片中也找到了功能.但是你怎么能匹配这些功能.假设图像1中的要素1与图像2中的哪个要素相匹配？(作为一个人,你可以轻松做到,对吗？第一张图像中的这个角落对应于第二张图像中的这个角落,所以.非常容易).

功能只是给你像素位置.您需要有关该点的更多信息才能与其他人匹配.所以你必须要有describe这个功能.这种描述称为"描述符".为了描述这些功能,算法就在那里,你可以看到它的SIFT论文.

请查看此链接:http://aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/

通常,选择/提取了多少个功能？是否有标准？

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.您需要了解算法才能理解这些事情.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.如果在OpenCV文档中检查SIFT,则可以查看函数参数以指定要素数,八度音阶层数,边缘阈值等.

Hessian矩阵的大小决定了什么？

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