自适应非最大值抑制:由于大多数特征点检测器只是寻找兴趣函数的局部最大值,所以通常会导致图像上特征点的非均匀分布,在对比度大的区域,特征点就会比较密集。为了缓解这个问题,一个想法就是,只检测那些是局部最大值,同时还得要满足其值明显大于其周围半径区域内的响应值。
衡量可重复性:可重复性是指,在一副图像中检测到的关键点在另一幅变换过的图像中的对应位置 个像素范围内检测到的频率。(变换包括旋转、尺度变化、光照变化、视角变化及增加噪声)。
尺度不变:因为有些情况下,在最精细的稳定尺度上检测特征点并不合适,如在匹配云朵这种缺乏高频细节的图像时可,精细尺度的特征可能是不存在的,这个问题的一种解决方法是在不同的尺度上提取特征点,如:通过在图像金字塔的多个分辨率都进行这样的操作,然后再同一个水平上进行特征匹配.但是,对于大多数物体识别应用,图像中物体的尺度是不知道的,相比在多个不同尺度上提取特征后再进行匹配,一种更好更高效的想法是,只提取所有位置和尺度都稳定的特征.,
旋转不变和方向估计:除了处理尺度变化问题外,图像匹配和物体识别算法通常还要求处理图像选择问题,一种想法是设计出选择不变的描述子.但一个问题是这些描述子的区分性比较弱.那么为了解决这个问题,一种想法是在检测到的每一个关键点估计一个"主导方向".一旦估计出一个关键点的局部方向和尺度,就可以在检测出的关键点附近提取出一个特定尺度和方向的图像块,这个图像块可以作为检测区域.
仿射不变.....