【opencv】特征点检测方法--GFTT,SIFT,FAST,SURF
2014-10-22 10:06
656 查看
一. 特征点检测方法总结
1 . Shi-Tomasi: 1994年,Jinabo Shi,CarloTomasi提出
原理:http://blog.csdn.net/xiaowei_cqu/article/details/7805206
提出:http://wenku.baidu.com/link?url=d-ByPLIzgzJetEH0eg9OMEiCmjVunZ1V8lufllGymzWa0_7UcANJ7pqpur4joE-MRPYRqkS2D8vRv9HAMT9dQPx1zk9m1ZxvQska7m-bgqG
实现:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/features2d/trackingmotion/good_features_to_track/good_features_to_track.html
cvGoodFeatureToTrack函数(通过设置use_harris参数为非0,可以实现检测Harris角点)
优缺点:是对Harris的一种改进算法
2. SIFT:1999年提出,2004年完善,David
G.Lowe提出
原理:http://blog.csdn.net/dan1900/article/details/14521029
提出:1999:http://wenku.baidu.com/link?url=G8NB1abVM-qTB75Tz3x_krTDiS4GuHnXamdutUOxtZ2yozYe0nZAE28L0Tw-m2y9P60dQQKnB-vr0gisowVJQcM1W8IL1-PWd4bi_FusDJq
2004:http://www.doc88.com/p-077847145905.html
实现:http://www.cnblogs.com/tornadomeet/archive/2012/03/08/2384843.html
http://blog.csdn.net/yang_xian521/article/details/7533922
(non-free) 添加opencv_nonfree243.lib
优缺点:尺度不变,旋转不变,但匹配成功数目少,速度慢
3. FAST(Features from Accelerated Tegment Test):2006年,Edward Rosten ,TomDrummond
原理:http://blog.csdn.net/yang_xian521/article/details/7411438
提出:2006:http://link.springer.com/chapter/10.1007/11744023_34 (Springer)
2010:http://www.edwardrosten.com/work/rosten_2008_faster.pdf
实现:http://www.edwardrosten.com/work/fast.html
FastFeatureDetector函数
优缺点:计算速度快,只计算了灰度信息
4. SURF(Speed UpRobust Feature):2006年,Bay等提出的
原理:http://blog.csdn.net/chenbang110/article/details/7541157
http://blog.csdn.net/yangtrees/article/details/7482960
提出:http://link.springer.com/chapter/10.1007%2F11744023_32 (Springer)
实现:http://www.oschina.net/code/explore/OpenCV-2.2.0/samples/c/find_obj.cpp
cvExtractSURF函数(non-free)
优缺点:由sift改进而来,比sift快,多幅图片时鲁棒性好。
5. CenSurE(Center SurroundExtremas for Realtime Feature Detection and Matching)
2008年,Motiala Agrawal等
提出:http://wenku.baidu.com/link?url=lv4Spxx1kT66kf-FltX-Wa3NJw86_dpkH5kldXEbV6wY5lnbY0JbLGhP21HNF9t-y25ImzIbd3oQduwrxRfiMUJyzSO1bTLG4pI9uQPwHW3 (springer)
实现:opencv STAR (StartFeatureDetecor函数)
比较:文章提出了新的方法,并与已有特征点检测进行比较,比较时用到的算子:Harris,FAST,SIFT,SURF.方法:1. 计算当特征点是800时,对于不同的序列,特征点的可重复性。2. 计算最小的欧式距离值,对比距离区间点的个数,画折线图。3. 计算不同搜索范围下,当特征点个数是800时,每种特征点检测的可以匹配成功的百分比。4.使用the visual odometry(VO)评估每种算法的表现。5.比较了每种算法所用的时间。
6. BRISK(Binary Robust invariant scalable keypoints) :2011年,Leutenegger,S等提出
原理:http://d.wanfangdata.com.cn/periodical_jcdzgc201305015.aspx
提出:http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6126542
实现:
优缺点:是对FAST算法的改进
二.关于特征点分析对比的相关论文
1. 有关特征点:Shi-Tmoasi,SIFT,SURF文章:http://miua2012.swansea.ac.uk/uploads/Site/Programme/PSB05.pdf
方法:基于opencv,通过RGB分解,比较特征点的个数和鲁棒性
2. 有关特征点:FAST
文章:http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5596017
方法:主要是看追踪的,用到了forward-backward(FB)漂移误差,NCC,SSD
3. 有关特征点:Shi-Tmoasi,SIFT,SURF,Fast
提出: Evaluationof Endoscopic Image Enhancement for Feature Tracking:A New Validation Framework
三.相关函数的使用
1. 特征点检测架构:http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/features2d/doc/features2d.html2. 各种特征点检测结果对比
http://blog.csdn.net/vast_sea/article/details/8196420
原文地址:http://blog.csdn.net/u010141025/article/details/16920567
相关文章推荐
- 【opencv】特征点检测方法--GFTT,SIFT,FAST,SURF
- 【opencv】opencv库特征点检测--GFTT,FAST,SURF,SIFT,STAR
- Opencv 特征点检测 整理(Harris,FAST,SIFT , SURF等总结)
- OpenCV-Python 特征点检测 (含SIFT/SURF/ORB/KAZE/FAST/BRISK/AKAZE)
- OpenCV中feature2D学习——FAST特征点检测与SIFT/SURF/BRIEF特征提取与匹配
- opencv图像特征检测及匹配(harris,sift,surf,fast,breif,orb,BFmatch,FlannBasedMatcher)
- OpenCv的sift surf orb等特征点检测
- SURF、SIFT、Fast角点检测的代码(opencv)
- opencv 特征点提取算法 SIFT SURF ORB FAST LBP学习(二)
- 【opencv】 特征点检测 sift和surf
- opencv中的SIFT,SURF,ORB,FAST 特征描叙算子比较
- 图像特征检测描述(一):SIFT、SURF、ORB、HOG、LBP特征的原理概述及OpenCV代码实现
- OpenCV中feature2D学习——SURF和SIFT算子实现特征点检测
- opencv开发笔记(十五):特征检测十大方法之SURF算法
- opencv 特征点提取算法 SIFT SURF ORB FAST LBP学习(一)
- OpenCv sift surf orb等特征点检测
- 【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑
- 学习OpenCV——Fast检测与Surf&Brief匹配(娱乐)
- 利用OpenCV的Haar特征目标检测方法进行人脸识别的尝试(一)
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)