17、特征点检测与匹配的技术解析与创新方案

特征点检测与匹配的技术解析与创新方案

1. 特征描述符与算法鲁棒性对比

在特征点描述符方面，60 位的 CHoG 描述符能达到未压缩的 1024 位 SIFT 描述符的性能。由于其描述符大小和鲁棒性，CHoG 成为广泛使用的兴趣点描述符之一。

在算法鲁棒性对比中，SURF - SURF 在 PC 上表现出合理的性能，是最稳健的算法之一，被视为兴趣点检测和匹配的事实上的标准。为了量化鲁棒性，基于六个公开可用的测试图像集，计算了 FAST - BRIEF、SURF - BRIEF 和 SURF - SURF 的识别率。
|算法|特点|
| ---- | ---- |
|FAST - BRIEF|在某些图像集上鲁棒性有变化，如在涂鸦图像集中，BRIEF 会降低鲁棒性，因为该数据集需要强旋转不变性，而 BRIEF 并非为此设计。不过，最近提出的带方向校正的 FAST - BRIEF 算法在强旋转环境中能达到与 SIFT 或 SURF 相似的旋转不变性。在自行车图像集中，FAST 在模糊处理上的弱点是鲁棒性下降的主要原因，因为 FAST 是一种有限脉冲响应（FIR）滤波器，无法从强模糊图像中提取角点。但在移动平台的特征检测、跟踪和识别中，FAST - BRIEF 的鲁棒性与 SIFT 或 SURF 相当，甚至略好。此外，FAST - BRIEF 算法在光照和透视畸变等方面与 SURF 算法具有相似的鲁棒性。|
|SURF - BRIEF|未详细提及特殊表现，作为对比算法用于计算识别率。|
|SURF - SURF|被视为标准算法，在 PC 上性能合理且鲁棒性强。|

2. 兴趣点检测与匹配硬件

为了实现实时的 SIFT