特征描述符的比较

关于OpenCV的学习，敬请关注专栏： 一步步学习OpenCV2

=================分割线=================

原文发布时间：2011年1月28日

原文地址：https://computer-vision-talks.com/post/2011-01-28-comparison-of-feature-descriptors/

=================以下是对原文翻译部分=================

大家好！今天，我们有非常有趣的话题！我们将检查不同的特征描述符提取器。从这篇文章中，你将会知道SURF是多么的强大，缺点是有几个描述符，LAZY描述符比SURF要快多少倍。PS：如果您指出我的良好实现（C / C ++）RIFF，PCA SIFT，GLOH，LESH描述符，我将非常感激。我将把它们包含在测试套件中。所以，今天我们的豚鼠是：

• SURF（OpenCV实现）
• 简介（OpenCV实现）
• SIFT（OpenCV实现）排除在测试之外 - 极其缓慢
• LAZY（自己实施） 
  

五项测试：旋转，缩放，亮度变化，模糊和性能基准。这些测试应该给我们关于特征描述符的旋转，缩放和光照不变性的信息，并且也描述总描述符鲁棒性。性能基准将显示多少昂贵的描述符提取。

测试描述

在所有测试中，我使用单参考图像：

我非常喜欢这个形象。它有大量的类似的地区，在汽车上的思考，这只是很好:)。对于功能检测，我将使用OpenCV中的SurfFeatureDetector进行默认设置。在所有的测试中，我使用非常类似的程序

1. 生成一组转换后的图像
2. 检测每个图像上的特征并提取描述符
3. 使用来自参考框架的描述符匹配描述符。对于匹配，我使用OpenCV中的flann匹配器（匹配参数描述符与转换，反之亦然，并返回它们的交集）
4. 使用RANSAC（cv :: FindFundamentalMat）来过滤错误的匹配。
5. 因此，我返回（内线数）/（总比赛）百分比。

旋转测试将对这个图像进行仿射旋转，以360度为中心，以1度为步进。缩放测试将使用比例因子在[0.25..2.25]范围内调整图像大小。照明测试将会改变图像中每个像素在[-100..100]范围内的图像亮度。模糊测试将使用不同内核大小的高斯模糊来平滑图像[1..21]。**性能测试**将根据参考图像测量[1..N]描述符的描述符提取时间。

结果

正如所料，SURF和LAZY表现出良好的旋转不变行为。简介是一个不旋转不变的描述符，因为它只是一个图像补丁。

在缩放测试中，SURF和LAZY表现出非常相似的结果 - 是的，BRIEF不是尺度不变的。局部极值区域可以解释为调整大小的副作用。

在照明测试中，所有描述符显示出良好的结果 可能是因为所有的描述符都被标准化了。

对模糊图像非常敏感（请记住 - 这只是一个补丁）。LAZY和SURF显示几乎相同的结果。

性能

由于简要描述符的非常微不足道的性质，它显示了最好的性能。LAZY描述符的提取速度也非常快，因为SURF并不使用大量计算。我无法解释SURF描述符提取时间的二次增长。可能是由OpenCV中的非最佳实现引起的。

结论

我们的研究LAZY描述符提供了几乎相同的SURF质量，但速度至少提高了2倍。但是研究还没有完成，所以我预期性能提升10-30％，质量略有提高（或许会在某个时候击败SURF）。

进一步的工作

在不久的将来，我会将PCA SIFT和RIFF描述符实现添加到所有测试中，并在其他测试图像上进行测试。

==============================END===============================