在SIFT和SURF之後,有哪些比較新的且具有一定影響力的自然圖像配准演算法?

請注意是面向非結構化環境下的非特定類別圖像的配准演算法,醫學影像中的配准演算法暫不考慮。


我就提一下 OpenCV 中實現的特徵點演算法

答案都在代碼中。

OpenCV 中和 2D 特徵檢測相關的演算法的頭文件位於

  • opencvmodulesfeatures2dincludeopencv2features2d.hpp,除SIFT、SURF以外的特徵。

  • opencvmodules
    onfreeincludeopencv2
    onfreefeatures2d.hpp,只包含SIFT、SURF這兩個受專利保護的特徵,因此不是免費的(nonfree)。

我們來看具體的類

DescriptorExtractor 的子類都是描述子提取器,包含

  • FREAK

  • OpponentColorDescriptorExtractor

  • BriefDescriptorExtractor

FeatureDetector 的子類都是特徵檢測器,包含

  • MSER

  • StarDetector,又名 StarFeatureDetector

  • FastFeatureDetector

  • GFTTDetector,又名 GoodFeaturesToTrackDetector

  • SimpleBlobDetector

  • DenseFeatureDetector

FeatureDetector 還提供一系列特殊的適配器子類,用於增強或加速之前的 FeatureDetector 類

  • GridAdaptedFeatureDetector

  • PyramidAdaptedFeatureDetector
  • AdjusterAdapter

  • DynamicAdaptedFeatureDetector

  • FastAdjuster

  • StarAdjuster

  • SurfAdjuster

Feature2D 的子類既是 FeatureDetector,又是 DescriptorExtractor,包含

  • BRISK

  • ORB

  • SIFT

  • SURF

希望這個回答可以授之以漁。

相關文章

OpenCV 3 最新模塊一次看個夠 - 黑客與畫家 - 知乎專欄


ECCV2012中出現了一種KAZE演算法。樓主感興趣可以研究一下。


可以看一下DeepMatching那篇文章,做large displacement的,效果很好,但是在不知道你的應用里合適不合適


題主需要這篇文獻

文獻中列了各種邊緣,區域,興趣點的檢測演算法共15餘種,應該可以滿足題主需求了吧→_→

ps:手機碼字排版較亂,望諒解


還有個agast速度非常快,另外的也有一些論文做了改進用於半稀疏光流,改進特徵的設計主要是為了方便實行並行計算,至於匹配的話,並不很了解,匹配比特徵檢測慢的多


我是使用在AR(增強現實)中,在sift之後,AKAZE(KAZE的加速版)這個演算法是我找到取代sift(慢)的性能最好的 而且速度也快 性能也穩定


這是我的一點代碼 可以看看 https://github.com/vonzhou/opencv/blob/master/README.md


這些不是配准演算法,是特徵點演算法。

多了,Harris系,DoG,FAST,STAR、MSER、KAZE系(含AKAZE等)、BRIEF系(含BRISK、ORB)……去搜一下descriptor survey


看到一篇比較AKAZE和orb的文章:

http://www.epacis.net/ccis2016/papers/paper_121.pdf


http://computer-vision-talks.com/articles/2011-01-04-comparison-of-the-opencv-feature-detection-algorithms/


推薦閱讀:

同一個卷積層中的 Feature Map有什麼區別?
如何理解卷積,另外如何理解圖像處理中的卷積?
哪裡可以找到比較全的關於processing代碼的解釋?
如何製作有噪點的背景畫面?
水下攝影如何調出通透的感覺?

TAG:圖像處理 | 機器學習 | 模式識別 | 計算機視覺 | 計算機圖形學 |