哪种特征检测算法最容易学习？

Question

我正在围绕特征检测器算法。我研究了我的选项：SIFT，SURF，BRISK，FREAK等。所有这些选项在基础数学方面看起来都相当复杂。相反，我想一步一步，因此我正在寻找一种简单的方法，例如，它不需要像SURF一样好。您建议学习和实施哪种算法？

Answer 1

首先要记住的是探测器和描述符之间的区别。 检测器是用于检测图像中的兴趣点的算法，其通常是斑点状结构的角或中心。然后，如果需要在图像中匹配这些点，则计算描述符，它们是某种值的向量，表示兴趣点周围的补丁。

这应该有助于消除一些困惑。例如，“跟踪的好特征”，也就是最小特征角检测器，是兴趣点检测器。 FREAK是一个特征描述符。 SIFT，SURF和BRISK包括检测器和描述符。但是，一般情况下，您可以混合和匹配检测器和描述符。

首先，你应该看看像GFTT和Harris这样的角落探测器，以及Laplacian blob detector。大多数最近的兴趣点探测器都是探测角落或斑点的更快方法。

对于描述符，请从SIFT开始。这可能看起来有点可怕，但这是第一个有效的描述符，它是所有其他人的灵感和基准。

Answer 2

如果您尝试从简单开始，那么最简单的特征描述符可能是围绕检测到的特征采用NxN方格并连接所有像素值。这在实践中效果不佳，因为它对光照，旋转，缩放等方面的微小变化非常敏感 - 但您可以使用图像的两个翻译版本来测试您的实现。

＆＃34;实际上工作的最简单的特征描述符＆＃34;似乎是Brief描述符（http://cvlabwww.epfl.ch/~lepetit/papers/calonder_eccv10.pdf），它随机地比较附近的像素值对以构建二进制描述符。请注意，它不是缩放或旋转不变的：为此，您需要许多扩展中的一个，如AKAZE，BRISK，FREAK或ORB。

Answer 3

我认为您可以尝试使用GFTT：基于shi-tomasi定义和方程式跟踪的好功能。它很老了，我觉得也很容易阅读。

Answer 4

在我看来，SIFT。有关他们开发的可免费使用的代码，请参阅vlfeat.org，他们有几个教程可以轻松实现。