在小图像上改善SURF的性能

SURF I在网上遇到的每个实现似乎在从小图像（例如100x100或更小）中提取有用的兴趣点方面特别不利。在小图像上改善SURF的性能

我已经尝试了许多方法：

1）使用各种粗化算法（从简单的一个像最近邻居到更先进的 - 基本上每升频ImageMagick的提供），以增加分析前小图像的大小。

2）其他图像处理调整功能可以显示图像中的特征，如对比度增强以及在计算积分图像时使用不同的RGB权重。 3）（重新）压缩，假设压缩伪影将主要出现在现有特征周围，增加它们的相对“表面积”。

然而，这些都没有任何可测量的影响从小图像中提取的兴趣点的数量。

还有什么值得尝试的吗？或者是SURF在小图像时期很糟糕？如果是这样，那么其他哪些算法更好？

2013-02-23 Ben Englert

为了帮助您，首先要明确您是否了解SURF算法的工作原理（即，您是否已经阅读并理解了最初提供的论文）或无论您是否只使用了实现，因为该算法似乎对您正在执行的某项任务很有帮助。我几乎可以肯定这是第二种情况，在这种情况下，我建议阅读SURF的实际工作原理。然后，您将更好地了解如何为其设置参数，并且可能会认为SIFT对您的情况更好或不适用。对于未知任务还可能有其他更好的方法。 – mmgp 2013-02-24 02:26:45

我已阅读大量论文，并比较了几种不同实现的源代码。我调整了与改善小图像拾取相关的参数 - 例如，我减小了像素步长，并尝试将其与图像大小相关。不幸的是，这并不奏效。 – 2013-02-24 03:38:30

因为这是关于一般的SURF过程，而不是代码或特定框架，所以您可能想尝试通过http://dsp.stackexchange.com进行询问。在那边有这几行的问题。如果您包含一个示例图像，我们可以使用它作为SURF未能返回好特征点的参考。 – 2013-02-25 19:05:01

这取决于你想要做什么。 100x100图像不包含大量信息。此外，SURF需要制作一个有意义的描述符的描述符区域对于100x100图像来说非常小。根据您想要做什么，请尝试以下操作：

使用整个100图像作为描述符大小。根本不检测兴趣点，但在100x100图像的中心放置单个兴趣点（在50,50），并使用整个图像数据描述符。这可以帮助您检测类似的小图像。使用直立的SURF或与方向无关的SURF。
使用双图像尺寸标志可获得更多兴趣点。
通过使用更小的面和更少的正方形来减小描述符的尺寸。这对于物体识别实际上效果很好，但对于3D重建来说不太好。

总结一下。这一切都取决于你想要达到的目标。请随时给我留言（可能在the Github repo of SURF）

来源

2017-04-12 20:55:17

在小图像上改善SURF的性能

回答

相关问题