对于SIFT,PCA-SIFT,SURF几种特征提取方法的比较

最新推荐文章于 2024-09-24 09:20:52 发布
最新推荐文章于 2024-09-24 09:20:52 发布
阅读量1k 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 文献阅读 文章标签： 图像特征提取 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/danyuliuyan/article/details/80285801
本文比较了SIFT,PCA-SIFT和SURF三种图像特征提取方法。SIFT在稳定性上表现良好但效率较低，SURF兼顾效率和效果，PCA-SIFT对旋转和光照变化适应性强。通过KNN和RANSAC评估，SIFT的四个阶段包括尺度空间极值检测、关键点定位等，PCA-SIFT利用PCA降维，而SURF使用积分图和盒式滤波器提高速度。" 52963126,3562401,RESTful API设计实践：核心概念与技巧解析,"['后端开发', 'API设计', 'RESTful架构', 'HTTP协议', '数据交互']

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文献 A Comparison of SIFT,PCA-SIFT and SURF

原文作者：Luo Juan，Oubong Gwun

出处：IJIP

年份：2009

主要结论

  1. SIFT 在大多数的情境下都可以保持稳定性，但是运行效率不高。
  2. SURF 兼顾了效率与效果
  3. PCA-SIFT 对于旋转和光照的影响适应的较好

几种提取方法的发展历程

  • 2004 Lowe 提出SIFT特征对于图像的尺度和旋转保持不变，之后广泛应用于图像马赛克、识别、以及检索
  • Ke and Sukthankar 使用PCA来代替归一化gradient patch 代替直方图（没明白这里具体是什么意思）
    他们认为基于PCA的局部描述对于图像的变形有很好的鲁棒性，但是这种提取方法很慢
  • 2006 Bay and Tuytekaars 使用积分图的方式来加速PCA-SIFT(PCA-SIFT的快速算法)用来进行图像卷积和Fast-Hessian 检测,即SURF。

相关概念

比较方法


  • 使用KNN 和 RANSAC 来对三种方法的识别结果进行评价

KNN(K最邻近算法，使用一个样本的最近的K个样本来表示该样本)。
KNN算法主要使用加权投票法，即根据距离的远近，对邻近的投票进行加权，距离越近权重越大(权重为距离平方的倒数)。
优点：易于实现，无需训练

缺点：计算量大，分析速度慢

最低0.47元/天 解锁文章

200万优质内容无限畅学
特征提取方法 SIFT PCA-SIFT GLOH SURF
gfjjggg的博客
02-12 536
特征提取方法 SIFT PCA-SIFT GLOH SURF
PCA-Shift（特征点篇）
小熊不去实验室
08-31 6301
SIFT 后来有两种扩展，都用到PCA的概念。 1. PCA-SIFT    PCA-SIFT与标准sift有相同的亚像素位置（sub-pixel），尺度（scale）和主方向（dominant orientations），但在第4步计算描述子的时候，它用特征点周围的41×41的像斑计算它的主元，并用PCA-SIFT将原来的2×39×39维的向量降成20维，以达到更精确的表示方式  一
A Comparison of SIFT, PCA-SIFT and SURF.ppt
08-19
A Comparison of SIFT, PCA-SIFT and SURF.ppt
pca sift matlab,图像特征描述子之PCA-SIFT与GLOH
weixin_35681965的博客
03-20 843
SIFT和SURF是两种应用较为广泛的图像特征描述子，SURF可以看做是SIFT特征的加速版本。在SIFT的基础上，又陆续诞生了其他的变体：PCA-SIFT和GLOH(Gradient Location-Orientation Histogram)。PCA-SIFTSIFT特征提取主要分为4步：尺度空间构建，关键点定位，主方向分配，生成特征描述子。PCA-SIFT的前3步和标准SIFT相同，也就说...
谈谈SIFT、PCA-SIFT、SURF及我的一点思考
merryken的专栏
01-25 951
SIFT(Scale-invariant feature transform), Lowe, 2004 PCA-SIFT(Principle Component Analysis), Y.ke, 2004 SURF(Speeded Up Robust Features), Bay, 2006   这三位先后登场各有千秋，算是图像特征点检测领域的宋氏三姐妹了！SIFT鼻祖先宗大佬，PCA-S
Computer Vision_33_SIFT：PCA-SIFT A More Distinctive Representation for Local Image Descriptors——2004...
Alliswell_WP
10-03 821
此部分是计算机视觉部分，主要侧重在底层特征提取，视频分析，跟踪，目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉，仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章，个人非常喜欢，也列出来了。 33. SIFT关于SIFT，实在不需要介绍太多，一万多次的引用已经说明问题了。SURF和PCA-SIFT也是属于这个系列。后面列出了几篇跟SIFT有关的...
PCA-SIFT新手总结记录
weixin_42058525的博客
05-16 460
PCA（Principal Components Analysis）即主成分分析，是几种降维的方法之一，经常应用在图像处理方面。 它和SIFT的联系是：前面几步，先是高斯模糊，建立高斯金字塔和高斯差分金字塔，然后最值的选择，排除边缘不稳定点和剧变不够激烈的点。最后一步SIFT使用4X4X8=128维进行描述，运用PCA算法小于128维对该特征点进行描述。 降维的主要思想是：一个样本可以由很多属...
SIFT、PCA-SIFT与SURF：图像特征检测方法对比研究
本文主要探讨了SIFT（尺度不变特征变换）、PCA-SIFT和SURF（ Speeded Up Robust Features）三种在计算机视觉领域中具有较高影响力的特征检测算法。SIFT由 Lowe 在2004年提出，其核心在于寻找图像中的关键点，这些...
【特征匹配】PCA-SIFT原理及源码解析
勿在浮砂筑高台
10-16 1万+
相关： SIFT原理与源码解析 SURF原理与源码解析 ORB原理与源码解析 FAST原理与源码解析 BRIEF描述子原理与源码解析 Harris原理与源码解析 转载请注明出处：http://blog.youkuaiyun.com/luoshixian099/article/details/49174869PCA-SIFT是对传统SIFT算法的改进，由Yan Ke等人
pca-sift源码
02-06
mod_lowe 的pca-sift c语言实现，可以参考如何提取特征点和匹配的实现
基于PCA-SIFT的煤矿监控目标识别及行为分析
06-15
运动目标轮廓识别是提升煤矿井下监控预测价值的基础,也是监控视频系统的开发难点。通过提出PCA-SIFT算法,运用该算法对煤矿监控运动目标进行识别,并将识别结果与传统Mean Shift算法对比。结果表明:PCA-SIFT算法可更加清晰地识别出井下图像轮廓,其帧处理效率和正确率更高,且运动目标跟踪误差十分稳定,可有效防止跟踪目标丢失。
PCA-SIFT算法实现与应用教程
最新发布
weixin_33298352的博客
09-24 1063
本文还有配套的精品资源，点击获取 简介：PCA-SIFT算法结合了主成分分析(PCA)与尺度不变特征变换(SIFT)，用于图像处理和特征提取。本压缩包包含一个用Visual C++实现PCA-SIFT算法的源代码，包括尺度空间极值检测、关键点定位、方向分配和描述符生成。通过PCA降维优化性能，减少计算和存储需求。掌握这些技术能够帮助开发者在实际项目中如增强现实、机器人导航、...
图像处理_描述下SIFT特征？(清晰易懂)
惊鸿一博
07-16 4512
一、SIFT特征是什么？ SIFT的全称是Scale Invariant Feature Transform，尺度不变特征变换。具有旋转不变性、尺度不变性、亮度变化保持不变性，是一种非常稳定的局部特征。 此方法由David Lowe于1999年发表于ICCV(International Conference on Computer Vision)，并经过5年的整理和完善，在2004年发表于IJCV(International journal of computer vision)。由于在此之前的目标检测
你对SIFT算法了解多少—原理详解与演示
DIPDWC的博客
06-11 5908
这一讲将讲解图像特征匹配中的SIFT算法，全称为尺度不变性特征匹配算法（Scale Invariant Feture Transform），它是计算机视觉中最常应用的特征匹配算法之一。由于该算法是在2004年进行完善，后续在其基础上有很多改进的算法，目前用到的特征匹配算法可能不是SIFT算法本身而是改进后的算法，但是无论用什么改进的算法，其基本思想是不变的，只不过是在计算性能和效率上有所提升。 下面从原理上对该算法进行...
特征提取方法 SIFT,PCA-SIFT,GLOH,SURF
热门推荐
Rachel Zhang的专栏
06-21 7万+
在前面的blog中，我们已经讲了SIFT的原理，这里我们再详细讲解SIFT的变体：PCA-SIFT和GLOH。 – Scale invariant feature transform (SIFT): Lowe, 2004. – PCA-SIFT: SIFT: Ke and Sukthankar 2004 Ke and Sukthankar, 2004. – Gradient locati
机器学习笔记之PCA-SIFT总结
weixin_33884611的博客
06-09 339
  　　不多说，直接上干货！     　　PCA-SIFT算法在描述子构建上作了创新，主要是 将统计学中的主成分分析(PCA)应用于对描述子向量的降维，以提高匹配效率 。 　　PCA 的原理是：一般有效信号的方差大，噪声的方差小；通过PCA可以降维滤除噪声，保留信号。        1、算法分析 　　PCA-SIFT与标准SIFT有相同的亚像素位置（sub-pixel），尺度（s...
【计算机视觉、关键点检测、特征提取和匹配】基于SIFT、PCA-SIFT和GLOH算法在不同图像之间建立特征对应关系，并实现点匹配算法和图像匹配（Matlab代码实现）
weixin_61181717的博客
03-07 884
在本次任务中，我们尝试构建一个系统，能够检测图像中的关键点，从中提取不变的特征，并最终进行如上所述的特征匹配。然后，在找到图像中的关键点后，我们试图从这些关键点中提取出有区分性的特征。在这个任务中，我们尝试实现和评估一些算法，如HARRIS、MSER、SIFT、PCA-SIFT、GLOH，然后我们在symfeat数据集中测试我们的算法，该数据集包含展示了光照、年龄和渲染风格等各种戏剧性变化的图像对。在标准的CBIR系统中，从单个图像中自动检测出兴趣点，然后在这些兴趣点处计算特征向量。行百里者，半于九十。
SIFT特征
ForLearning
06-30 1416
CV界大名鼎鼎的SIFT特征，今天终于要揭开你的面纱！我的学习历程是先看了一些博客，发现并不是很能够理解，跳跃性比较强，没有前因后果，但是Lowe 在04年的那篇论文中详细总结了SIFT特征整个提取流程的思想和原因，因此建议读者可以直接从原文入手，辅以博文以及一些著名大学CV课程的ppt，这样才能深入了解掌握。链接在此http://www.cs.ubc.ca/~lowe/keypoints/介绍
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值