OpenCV每日函数特征检测和描述模块(5) KAZE类/AKAZE类(提取关键点和计算描述符)

坐望云起

于 2022-06-17 20:56:05 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通 OpenCV从入门到精通文章标签： opencv 计算机视觉 AKAZE KAZE 特征检测和描述

本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/125332614

深度学习从入门到精通同时被 2 个专栏收录

797 篇文章 ¥99.90 ¥299.90

订阅专栏

OpenCV从入门到精通

200 篇文章 ¥49.90 ¥99.00

订阅专栏

本文介绍了KAZE和AKAZE两种基于非线性尺度空间的特征检测算法，它们在图像处理中用于检测和描述关键点。KAZE通过非线性扩散滤波增强图像特征，保持边界，而AKAZE则使用快速显式扩散(FED)框架提高效率。两者都具有尺度、旋转和有限仿射不变性，但AKAZE在计算效率上有优势。文章还提供了KAZE和AKAZE类的函数原型、参数详解及OpenCV源码路径和效果图像示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、概述

PF Alcantarilla等人2012 年提出 KAZE 特征，通过非线性扩散滤波利用非线性尺度空间。这使得图像中的模糊局部适应特征点，从而减少噪声并同时保留主题图像中区域的边界。KAZE 检测器基于Hessian 矩阵的尺度归一化行列式这是在多个尺度级别计算的。使用移动窗口将检测器响应的最大值作为特征点拾取。特征描述通过在每个检测到的特征周围的圆形邻域中找到主导方向来引入旋转不变性的特性。KAZE 特征对旋转、尺度、有限仿射具有不变性，并且在不同尺度上具有更多的独特性，但代价是计算时间适度增加。下面等式显示了标准的非线性扩散公式。

PF Alcantarilla等人。在 2013 年中提出了Accelerated-KAZE (AKAZE ) 算法，该算法也基于像 KAZE 一样的非线性扩散滤波，但其非线性尺度空间是使用称为快速显式扩散 (FED ) 的计算高效框架构建的。AKAZE 检测器基于Hessian 矩阵的行列式。使用Scharr 滤波器提高了旋转不变性质量。空间位置中检测器响应的最大值被拾取为特征点。AKAZE 的描述符基于修改的局部差分二进制（MLDB) 算法也是高效的。AKAZE 特征对尺度、旋转、有限仿射具有

了解本专栏