原文站点:https://senitco.github.io/2017/06/28/image-feature-PCA_SIFT-GLOH/
SIFT和SURF是两种应用较为广泛的图像特征描述子,SURF可以看做是SIFT特征的加速版本。在SIFT的基础上,又陆续诞生了其他的变体:PCA-SIFT和GLOH(Gradient Location-Orientation Histogram)。
PCA-SIFT
SIFT特征提取主要分为4步:尺度空间构建,关键点定位,主方向分配,生成特征描述子。PCA-SIFT的前3步和标准SIFT相同,也就说PCA-SIFT和标准SIFT具有相同的尺度空间、亚像素定位以及主方向。但在生成特征描述子时,使用特征点周围 41×41 的邻域计算特征向量,并通过主成分分析(PCA),对特征向量进行降维,以滤除噪声,保留有效信息,并提高匹配效率。PCA-SIFT生成特征描述子的算法流程如下:
1. 以特征点为中心,选定 41×41 的矩形邻域
2. 计算邻域内所有像素水平和垂直方向的梯度(偏导数),得到一个 39×39×2=3042