kdtree vs直方图编码

Question

我正在使用VLSift进行对象识别，在我看来，有多种方式可以使这个工作。一种方法是： -extract SIFT特征 与kdtree持有-lookup特点现有SIFT特征数据库 -returned最好斌特点

另一个似乎是： -extract SIFT特征 - 创建直方图

即忽略物体识别的分类部分。我认为这是两种合法的方法吗？据我所知，直方图也会得到最好的bin。如果是这样，哪个更好？有什么优点和缺点？

Answer 1

Kd-Tree是一个包含一组项目的数据结构。它允许快速搜索查询项目的K个最近匹配项。

就目标识别问题而言，Kd-Tree不是必需的组件。它仅用于改进匹配各个功能的运行时间。

直方图方法根本不需要匹配单个特征。相反，您量化查询图像的功能。然后，计算量化特征的直方图。为了找到匹配的数据库图像，您需要查找数据库中最相似的直方图。

由于不需要个别特征的匹配，所以直方图方法渐近地运行得更快。

这两种方法之间的一个重要区别是，直方图表示无法了解计算特征向量的关键点的空间坐标。因此，它具有较小的判别力。