[转]SIFT,SURF,ORB,FAST 特征提取算法比较
转载地址:https://blog.csdn.net/vonzhoufz/article/details/46461849
主要的特征检测方法有以下几种,在一般的图像处理库中(如opencv, VLFeat, Boofcv等)都会实现。
- FAST ,Machine Learning for High-speed Corner Detection, 2006
- SIFT,Distinctive Image Features from Scale-Invariant Keypoints,2004, invariant to image translation, scaling, and rotation, partially invariant to illumination changes and robust to local geometric distortion
- SURF,Speeded Up Robust Features,2006,受SIFT启发,比SIFT快,健壮
- ORB,ORB: an efficient alternative to SIFT or SURF,2011,基于FAST,比SIFT快两个数量级,可作为SIFT的替代
- BRISK,BRISK: Binary Robust Invariant Scalable Keypoints
- STAR,Censure: Center surround extremas for realtime feature detection and matching,引用次数不高
- MSER,Robust Wide Baseline Stereo from Maximally Stable Extremal Regions,2002,斑点检测
- GFTT,Good Features to Track,1994,Determines strong corners on an image
- HARRIS,Harris and M. Stephens (1988). “A combined corner and edge detector”,也是一种角点检测方法
这里主要关注SIFT,SURF,FAST,ORB的对比。
Image NO | SIFT | SURF | ORB | FAST |
---|---|---|---|---|
0 | 2414 | 4126 | 500 | 11978 |
1 | 4295 | 8129 | 500 | 16763 |
2 | 3404 | 4784 | 500 | 16191 |
3 | 1639 | 2802 | 500 | 7166 |
4 | 1510 | 1484 | 497 | 29562 |
5 | 10572 | 8309 | 500 | 720 |
6 | 191 | 187 | 295 | 16125 |
7 | 3352 | 4706 | 500 | 567 |
8 | 165 | 403 | 374 | 26701 |
9 | 4899 | 7523 | 500 | 12780 |
10 | 1979 | 4212 | 500 | 10676 |
11 | 3599 | 3294 | 500 | 663 |
12 | 163 | 168 | 287 | 7923 |
13 | 1884 | 2413 | 500 | 11681 |
14 | 2509 | 5055 | 500 | 18097 |
15 | 9177 | 4773 | 500 | 7224 |
16 | 3332 | 3217 | 500 | 20502 |
17 | 5446 | 6611 | 500 | 16553 |
18 | 4592 | 6033 | 500 | 706 |
19 | 266 | 509 | 459 | 9613 |
20 | 2087 | 2786 | 500 | 7459 |
21 | 2582 | 3651 | 500 | 12147 |
22 | 2509 | 4237 | 500 | 14890 |
23 | 1236 | 4545 | 500 | 6473 |
24 | 1311 | 2606 | 500 | 4293 |
25 | 237 | 387 | 500 | 657 |
26 | 968 | 1418 | 488 | 6609 |
Time Cost | 21.52 | 17.4 | 0.97 | 0.25 |
可以看到FAST提取了大量的特征点,在计算时间上,比SIFT SURF快两个数量级,ORB在FAST基础上得来的,特征点的质量比较高!
下面通过通过两张图片来看这几个算法匹配的效果,1639-1311-697表示图片1,2分别提取了1639,1311个keypoints,其中匹配的有697个。
Image pair | SIFT | SURF | ORB | FAST(SURF) |
---|---|---|---|---|
eiffel-1.jpg,eiffel-13.jpg | 1639-1311-697 | 2802-2606-1243 | 500-500-251 | 1196-1105-586 |
接下来是eiffel-1.jpg,eiffel-13.jpg 俩图片通过不同算法进行匹配的结果示意图。
SIFT
SURF
ORB
FAST
需要注意的地方:
* 链接的时候加上pkg-config opencv --cflags --libs
可以加入所有opencv的库
* SIFT,SURF是nonfree的,使用的时候需要方法initModule_nonfree()
,需要头文件opencv2/nonfree/nonfree.hpp
* FAST只是检测角点,要结合其他extractor如ORB,SIFT.
参考:
1.opencv feature2d
2.Feature Detection and Description
转载于:https://www.cnblogs.com/qiuheng/p/9274397.html
[转]SIFT,SURF,ORB,FAST 特征提取算法比较相关推荐
- SIFT,SURF,ORB,FAST 特征提取算法比较
SIFT,SURF,ORB,FAST 特征提取算法比较 主要的特征检测方法有以下几种,在一般的图像处理库中(如OpenCV, VLFeat, Boofcv等)都会实现. FAST ,Machine L ...
- SIFT,SURF,ORB,FAST,BRISK 特征提取算法比较
SIFT,SURF,ORB,FAST 特征提取算法比较 图像处理的基础就是要进行特征点的提取,feature(interest points) detect 的方法也在不断的进步,边检测,角点检测,直 ...
- opencv中的SIFT,SURF,ORB,FAST 特征描叙算子比较
opencv中的SIFT,SURF,ORB,FAST 特征描叙算子比较 参考: http://wenku.baidu.com/link?url=1aDYAJBCrrK-uk2w3sSNai7h52x_ ...
- 【Python+OpenCV】主流特征点检测器和描述子总结与实现附拼接结果(SIFT,SURF,ORB,AKAZE,FAST,BRIEF,CenSurE,BEBLID,SuperPoint)
文章目录 准备工作 SIFT SURF ORB AKAZE FAST与BRIEF CenSurE BEBLID 匹配点后的图像拼接 SuperPoint 总结 准备工作 先准备两张待处理的图像,要求有 ...
- SIFT、SURF等关键点特征提取算法代码
文章目录 1.关键点特征提取算法 2.SIFT代码(python+opencv) 2.SURF代码(python+opencv) 3.SIFT和SURF的比较 1.关键点特征提取算法 特征提取是提取出 ...
- 详解计算机视觉中的特征点检测:Harris / SIFT / SURF / ORB
作者丨Encoder@知乎 来源丨https://zhuanlan.zhihu.com/p/36382429 编辑丨极市平台 本文仅用于学术分享,若侵权,联系后台作删文处理.极市导读 Harris角点 ...
- 超全总结!详解计算机视觉中的特征点检测:Harris / SIFT / SURF / ORB
本文转自计算机视觉联盟,文章仅用于学术交流. Harris角点检测 Def. [角点(corner point)] 在邻域内的各个方向上灰度变化值足够高的点,是图像边缘曲线上曲率极大值的点. [基于灰 ...
- OpenCV-Python Feature2D 特征点检测(含SIFT/SURF/ORB/KAZE/FAST/BRISK/AKAZE)
对于OpenCV-Python,OpenCV2.x和OpenCV3.x的函数使用方式有很大不同.网上很多教程都还是基于OpenCV2.x,此版本已经逐渐被弃用. 本教程针对特征点检测,分析OpenCV ...
- 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)
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) 本文实验为自己原创,转载请注明出处. 本人为研究生,最近的研究方向是物体识别.所以就将常用的几种特 ...
最新文章
- 部署教程 | ResNet原理+PyTorch复现+ONNX+TensorRT int8量化部署
- 从源码角度分析 Mybatis 工作原理
- android 之 Activity管理与Intent的六大属性
- DCMTK:测试DcmSCU的C-FIND / GET / MOVE会话处理
- 页面提交插入到数据库 1.jsp
- sed命令 学习笔记
- 震惊!丧心病狂的夕小瑶推出新一轮写作计划!
- 数据安全备份刻不容缓 在线备份业务前景广阔
- 特征值分解、奇异值分解、PCA概念整理(转载)
- Unity 接入安卓 支付宝支付SDK遇到ALI38173问题
- VS F5自动编译 F5不自动编译
- GridView 栏位宽度自由拖动
- CPLEX——关键字
- 无人机倾斜摄影三维建模技术在智慧城市中的应用
- Canva可画成为全球增长最快软件公司之一;EDDA科技完成1.5亿美元战略融资 | 美通企业日报...
- html+dwcs6代码,Dreamweaver cs6如何快速整理代码?
- 最新bilibili怎么下载视频
- APP创业经:比开发更难的是APP运营和推广
- 深度学习-8.实践方法论
- VMware 磁盘管理 虚拟机版本降级