角点匹配方法(总结篇)
来源:互联网 发布:计算机维护与网络管理 编辑:程序博客网 时间:2024/06/18 05:48
经过前一段时间学习,在此先把角点特征匹配方法做个总结,和大家分享一下,在以后的时间里,我将介绍各算子相关知识。
图像匹配能够应用的场合非常多,如目标跟踪,检测,识别,图像拼接等,而图像匹配最核心的技术就要属角点匹配了,所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系,从而确定两幅图像的位置关系。角点匹配可以分为以下四个步骤:
- 提取检测子:在两张待匹配的图像中寻找那些最容易识别的像素点(角点),比如纹理丰富的物体边缘点等。
- 提取描述子:对于检测出的角点,用一些数学上的特征对其进行描述,如梯度直方图,局部随机二值特征等。检测子和描述子的常用提取方法有:sift, harris, surf, fast, agast, brisk, freak, brisk,orb等。
- 匹配:通过各个角点的描述子来判断它们在两张图像中的对应关系。常用方法如 flann。
- 去外点:去除错误匹配的外点,保留正确的内点。常用方法有Ransac, GTM。
综合作者论文中实验结果和自己实验部分算子测试结果来看,orb检测子与surf描述子配合的效果是最好的,不过速度也是最慢的。古老的sift和surf依然好用,速度也还是那么不给力。在不考虑旋转和仿射变换的情况下,fast是很不错的选择,在小幅旋转(小于20度)的情况下,fast也还是有一定的容错能力的。在旋转变化和尺度变化方面,各算子的武功相差不多,虽然在理论上sift支持旋转变化,不过测试中它并没有表现出明显的优势。在噪音方面,sift和orb明显强于其它算法;在亮度变化和仿射变换上,orb的鲁棒性是最好的;综合比较,orb的性价比略胜一筹。
关于Image Engineering & Computer Vision的更多讨论与交流,敬请关注本博客和新浪微博songzi_tea.
0 0
- 角点匹配方法(总结篇)
- 常用角点检测与角点匹配方法比较
- 角点检测方法总结
- 华山论剑----常用角点检测与角点匹配方法比较
- 华山论剑----常用角点检测与角点匹配方法比较
- 华山论剑----常用角点检测与角点匹配方法比较
- 提高特征点匹配的方法
- 特征点匹配方法(SIFT匹配)的一点见解
- 特征点匹配方法(SIFT匹配)的一点见解
- 点匹配
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- 基于HALCON的模板匹配方法总结
- hadoop常见问题
- MATLAB基本操作(一):MATLAB中变量的文件存储
- commons-dbcp commons-pool 包缺失报错处理
- android 写 selector.xml 时的注意事项
- (19)基础加强-反射-类加载器的使用
- 角点匹配方法(总结篇)
- alter index rebuild 与 drop create index效率分析
- jboss启动
- cpio命令用法
- mybatis_oracle 入门案例
- Extjs4.2 Html 编辑器扩展
- Httpwatch抓包显示ERROR_INTERNET_CONNECTION_RESET问题
- Eclipse将引用了第三方jar包的Java项目打包成jar文件的两种方法
- C++中cin、cin.get()、cin.getline()、getline()、gets()等函数的用法