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?
12-31
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)。
- FREAK
- OpponentColorDescriptorExtractor
- BriefDescriptorExtractor
- MSER
- StarDetector,又名 StarFeatureDetector
- FastFeatureDetector
- GFTTDetector,又名 GoodFeaturesToTrackDetector
- SimpleBlobDetector
- DenseFeatureDetector
- GridAdaptedFeatureDetector
- PyramidAdaptedFeatureDetector
- AdjusterAdapter
- DynamicAdaptedFeatureDetector
- FastAdjuster
- StarAdjuster
- SurfAdjuster
- 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?