Image processing 二维预处理对特征提取的影响

这篇论文哪篇是真的

“二维预处理对特征提取的影响”

我们证明了更高的频率 为了提取特征，不必表示 人的显著特征与那种对比的结合 增强、抽取和低通滤波可实现更多功能 与简单的高频增强相比，特征提取更为稳健。 因此，我们理想的特征提取器包含一个用于 缩小到理想尺寸，通过 扩展动态范围，并使用 高斯低通滤波器。”

“基于Sobel边缘检测器的快速SIFT算法”

本文提出了一种快速筛选算法 基于Sobel边缘检测器的算法 用于生成边缘组尺度空间和SIFT检测器 检测边缘组约束下的极值点 实验结果表明，本文提出的方法是有效的 该算法减少了关键点的冗余，提高了速度 在实现的同时，不同系统之间的匹配率也不同 图像保持在较高的水平。作为Sobel的阈值 检测器增加，关键点数量减少，匹配 利率越来越高

---

它们都是真的吗？如果不是的话，它们就不会发表论文。这两部分似乎并不矛盾。@FiReTiTi感谢你回答我的问题，第一篇论文说高频并不重要，但第二次使用edge改进siftalgorithm@rayryeng谢谢你回答我的问题，那张纸上说的高频率猝灭并不重要，但第二次使用edge改进sift算法–注意，他们讨论的是两个具体问题。如果使用共现矩阵+Haralick进行测试，您会发现有时不会减少灰度级的数量（因此不要减少频率的数量）提高了分类结果。它们都是真的？如果不是真的，它们就不会发表论文。这两部分似乎并不矛盾。@FiReTiTi感谢你回答我的问题，第一篇论文说高频并不重要，但第二次使用edge来改进siftalgorithm@rayryeng谢谢你回答我的问题第一篇论文说高频并不重要，但第二篇文章使用edge来改进sift算法——注意，他们讨论的是两个具体问题。如果你用共现矩阵+Haralick进行测试，你会发现有时不会减少灰度级的数量（所以不要减少频率的数量）改进了分类结果。