24、图像特征提取与聚类算法详解

图像特征提取与聚类算法详解

1. 图像特征提取算法

1.1 SURF算法

SURF（Speeded-Up Robust Features）算法可用于从图像中提取兴趣点，并基于这些兴趣点的局部邻域生成描述符。具体操作步骤如下：
1. 使用 detectSURFFeatures 函数检测图像中的兴趣点，将结果存储在变量 sp 中，其数据类型为 SURFPoints 。
2. 使用 extractFeatures 函数基于检测到的兴趣点生成特征描述符，存储在变量 fd 中，同时得到有效点 vp 。
3. 可以选择绘制最强的30个点，以显示它们的位置和大小。

示例代码如下：

clear; clc;
I = imread('tape.png');
I = rgb2gray(I);
sp = detectSURFFeatures(I);
[fd, vp] = extractFeatures(I, sp, 'Method', 'SURF');
figure; imshow(I); hold on;
plot(vp.selectStrongest(30));
hold off;

1.2 KAZE算法

KAZE算法在构建尺度空间时与SIFT算法类似，但它直接处理原始图像，而不进行下采样。其具体步骤如下：
1. 用高斯核卷积图像以减少噪声