本文比较了SIFT,PCA-SIFT和SURF三种图像特征提取方法。SIFT在稳定性上表现良好但效率较低，SURF兼顾效率和效果，PCA-SIFT对旋转和光照变化适应性强。通过KNN和RANSAC评估，SIFT的四个阶段包括尺度空间极值检测、关键点定位等，PCA-SIFT利用PCA降维，而SURF使用积分图和盒式滤波器提高速度。"
52963126,3562401,RESTful API设计实践：核心概念与技巧解析,"['后端开发', 'API设计', 'RESTful架构', 'HTTP协议', '数据交互']
文献 A Comparison of SIFT,PCA-SIFT and SURF
原文作者：Luo Juan，Oubong Gwun
出处：IJIP
年份：2009
主要结论
- SIFT 在大多数的情境下都可以保持稳定性，但是运行效率不高。
- SURF 兼顾了效率与效果
- PCA-SIFT 对于旋转和光照的影响适应的较好
几种提取方法的发展历程
- 2004 Lowe 提出SIFT特征对于图像的尺度和旋转保持不变，之后广泛应用于图像马赛克、识别、以及检索
- Ke and Sukthankar 使用PCA来代替归一化gradient patch 代替直方图（没明白这里具体是什么意思）
他们认为基于PCA的局部描述对于图像的变形有很好的鲁棒性，但是这种提取方法很慢- 2006 Bay and Tuytekaars 使用积分图的方式来加速PCA-SIFT(PCA-SIFT的快速算法)用来进行图像卷积和Fast-Hessian 检测,即SURF。
相关概念
比较方法
- 使用KNN 和 RANSAC 来对三种方法的识别结果进行评价
KNN(K最邻近算法，使用一个样本的最近的K个样本来表示该样本)。
KNN算法主要使用加权投票法，即根据距离的远近，对邻近的投票
最低0.47元/天 解锁文章
710
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
