自SIFT及SURF兴趣点检测及匹配方法被提出以来,近年来这方面的算法发展非常迅速,这方面的发展主要是两个方面,第一是兴趣点如何被检测,另一个方面是其描述子的设计。本文主要介绍兴趣点的检测方法其改进思路。兴趣点主要是有两类:一大类就是Harris角点(最为经典的就是FAST了,其将兴趣点认为是角点,通过角点提取方法来检测兴趣点,如最近的ORB、BRISK、FREAK等方法,都是利用FAST-9提取角点,然后再进行后面兴趣点描述子设计。除此之外,还有根据对称性进行兴趣点检测方式(这方面研究还是少了点),如波形传播法。这里我前面的博客里详细地介绍了各类角点检测方法,这里不再详细重复了)。另一类就是通过Hessian矩阵来找出局部不相似点作为兴趣点(SIFT和SURF都是利用这种思路)。对这类方法有个非常大的问题就是找到特征点太多,另外计算量也太大了,所以针对其主要有两种改进思路:

一、矩阵的计算近似

类SIFT和SURF方法都是利用近似Hessian矩阵的行列式来判断,在类SIFT方法中,非常一大类是关于如何设计运算快速、精确的Hessian矩阵。

如SURF方法是通过盒函数来近似。

而更多的方法是选择设计更高效的高斯梯度模板,如通过盒函数来近似高斯梯度模板(SURF),通过环形函数(CenSurE),通过分片三角函数(DART)等,这些新的近似函数模板极大地减少了计算图像卷积高斯梯度模板的运算量,另一方面也带来其它优良的特征。

如下是CenSurE方法的高斯梯度模板,其通过倾斜积分图像来计算高斯梯度。

DART方法利用分片三角函数,同时也减少了尺度空间运算量。

而有一类是考虑到高斯模板(或拉布拉斯变换)容易造成双极点或双边缘,所以应该设计新的滤波器,如RLOG利用分级的LOG滤波器将高斯模板分成两部分,将容易造成双极点的旁瓣变为零响应。

二、兴趣点的选择和优化

SIFT方法另一种改进方式就如何优化大量的兴趣点,从中选择出最优的兴趣点,Rank-SIFT利用RankSVM分类学习方式,从训练集对兴趣点进行分类(根据各种检测特征),找到重复度最优的兴趣点特征集。

兴趣点检测方法及其最新改进思路相关推荐

  1. 检测到目标服务器启用了trace方法_综述:目标检测中的多尺度检测方法

    ↑ 点击蓝字 关注极市平台作者丨SFXiang来源丨AI算法修炼营编辑丨极市平台 极市导读 本文从降低下采样率与空洞卷积.多尺度训练.优化Anchor尺寸设计.深层和浅层特征融合等多个方面入手,对目标 ...

  2. NMS技术总结(NMS原理、多类别NMS、NMS的缺陷、NMS的改进思路、各种NMS方法)

    点击上方"计算机视觉工坊",选择"星标" 干货第一时间送达 作者丨仿佛若有光157 来源丨CV技术指南 前言  本文介绍了NMS的应用场合.基本原理.多类别NM ...

  3. kettle spoon判断增量更新_【论文推荐】张斌等:基于改进 SOINN 算法的恶意软件增量检测方法...

    基于改进SOINN算法的恶意软件增量检测方法 张斌1,2, 李立勋1,2, 董书琴1,2 1 信息工程大学,河南 郑州 450001 2 河南省信息安全重点实验室,河南 郑州 450001 摘要:针对 ...

  4. 目标检测论文解读复现之一:基于改进YOLOv5的整车原木数量检测方法——TWD-YOLOv5(代码已复现)

    目标检测论文解读复现 文章目录 目标检测论文解读复现 前言 一.摘要 二.网络模型及核心创新点 三.应用数据集 四.实验效果 五.投稿期刊介绍 前言 此前出了目标改进算法专栏,但是对于应用于什么场景, ...

  5. 【目标检测论文解读复现NO.25】基于改进Yolov5的地铁隧道附属设施与衬砌表观病害检测方法

    前言 此前出了目标改进算法专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读最新目标检测算法论文,帮 ...

  6. 基于神经网络的目标检测论文之目标检测方法:改进的SSD目标检测算法

    4.2 改进的SSD 上一章我们了解到,物体识别检测算法是在传统CNN算法基础上加上目标区域建议策略和边框回归算法得到的.前辈们的工作主要体现在目标区域建议的改进策略上,从最开始的穷举建议框,到划分图 ...

  7. 【西安交大】2020年最新深度学习目标检测方法综述

    关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 目标检测的任务是从图像中精确且高效地识别.定位出大量预定义类别的物体实例.随着深度 ...

  8. 基于改进SSD的车辆小目标检测方法

    基于改进SSD的车辆小目标检测方法 人工智能技术与咨询 来源:<应用光学>,作者李小宁等 摘 要:地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确 ...

  9. mumu模拟器PUBG显示服务器,刺激战场使用MuMu模拟器最新的过检测方法

    刺激战场地在使用MuMu模拟器过设备检测,现在小编给大家介绍最新的过检测方法...... (附设置高画质,测试方法) [操作方法]: 第一,下载MuMu模拟器 v1.0.13.0 正式版(点击选择1. ...

最新文章

  1. python填写excel-Python玩转Excel的读写改实例
  2. 原理分析之二:框架整体设计
  3. pack 内存对齐操作
  4. 自定义线程池内置线程池的使用 ThreadPoolExecutor和Executorservice 示例与注意事项
  5. 怎样选择合适的PoE交换机?POE交换机选用小常识!
  6. 第十二届蓝桥杯省赛A组砝码称重Java解题思路及代码
  7. kotlin 第一个程序_Kotlin程序添加两个矩阵
  8. 快速幂运算 《挑战程序设计竞赛》
  9. php页面的特点_带你认识PHP的四大特性八大优势
  10. java中每个类都有子类,Java中所有的类都是从( )类或其子类派生而来的。
  11. JSP中Session的使用
  12. Tornado 上传文件及存储
  13. 黑客发现瑞士电子选举系统中的多个漏洞并获奖2.7万美元
  14. JSP 2.2规范 对jsp:useBean的解释
  15. 拓端tecdat|R语言时变面板平滑转换回归模型TV-PSTR分析债务水平对投资的影响
  16. linux/windows查询文件特定内容并写入目标文件
  17. 听我的!千万别学前端开发!
  18. docker onlyoffice7.1.1 word excel ppt在线编辑、在线预览_部署01
  19. 两步就能使用pyqt制作软件界面,写一个基于you-get的windows端app
  20. qiankun使用Actions实现通信

热门文章

  1. AppImage格式安装包使用
  2. 错位排列超详解(组合数学)
  3. XPath遇到br标签无法获取到完整数据的解决办法
  4. PHP调用Python把视频转换为gif
  5. 矩阵教程之一:随机矩阵
  6. WPF浏览本地html页面,并实现js交互
  7. At32f421/gd32f103c6/stmf030
  8. offer选择,哭了,我又被倒挂了。。。
  9. 一个简单的UEL梁单元(上)
  10. JS 获取字符串字节数