SIFT,BLP,GLOH源代码
来源:百度知道 编辑:UC知道 时间:2024/04/30 04:01:27
谢谢大侠拉!!
描述子维数影响
低维算子:steerable filters ,complex filters, differential invariants
基于微分的算子,导数的阶数影响着算子的维数,对于steerable filters 三阶导数和四阶导数都能保持算子的独立性,并且导数的阶数对算子匹配的准确度影响显而易见,但是对complex filters 和differential invariants影响较小。并且steerable filters 计算到四阶导数时效果比differential invariants 效果好。
高维算子:GLOH,PCA-SIFT,cross correlation 算子 维数过高与过低效果都不理想。对于GLOH算子,128维匹配效果高于40维和272维,对于PCA-SIFT36维效果好于20维和100维,对于cross correlation则81维匹配效果好于36维和400维。
8.对不同图像变换的适应性
1)仿射变换。 利用Hessian Affine 和Harris Affine 检测特征点,然后对不同的局部算子测试。效果最好的是SIFT算子。并且利用Hessian Affine 比Harris Affine的效果好,因为基于拉普拉斯的尺度选择与Hessian 算子相结合可以获得更准确的结果。
2)尺度变换 大多算子表现良好
3)旋转变换 有三种误差影响算子的计算:区域误差,位置误差,方向估计误差
4)图像模糊 所有的算子性能都有所降低,但是GLOH和PCA-SIFT算子性能最好,基于边缘检测的算子性能下降最为明显
5)图像压缩 影响小于图像模糊,但是比尺度变换和旋转变换大
6)光照变化 对低维算子影响高于高维算子
总结:1)GLOH性能最好,其次是SIFT
2)低维算子中性能最好的是gradient moments和steerable filters
3)cross correlation 最不稳定
4) Hess