27、图像特征检测与描述方法综述

图像特征检测与描述方法综述

1. SIFT及其改进方法

SIFT（尺度不变特征变换）是一种经典的特征检测和描述方法，其具有如下特点：
- SIFT Summary Taxonomy
- Spectra ：局部梯度幅度 + 方向
- Feature shape ：方形，带有圆形加权
- Feature pattern ：具有圆对称加权的方形
- Feature density ：在局部16x16的DoG兴趣点处稀疏
- Search method ：在尺度空间上滑动窗口
- Distance function ：欧氏距离（使用RootSIFT改进时为Hellinger距离）
- Robustness ：对亮度、对比度、旋转、尺度、仿射变换和噪声具有鲁棒性

此外，还有一些基于SIFT的改进方法：
- SIFT - PCA
- 原理 ：由Ke和Suthankar开发，使用主成分分析（PCA）从归一化梯度块中导出替代特征向量，而非SIFT中使用的加权和平滑梯度直方图。同时，将SIFT描述符的维度降低到更小的元素集，如从128维向量减少到20或36维。
- 步骤 ：
1. 基于局部