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）。

我們來看具體的類

DescriptorExtractor 的子類都是描述子提取器，包含

FeatureDetector 的子類都是特徵檢測器，包含

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

Feature2D 的子類既是 FeatureDetector，又是 DescriptorExtractor，包含

希望這個回答可以授之以漁。

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/