如何在MATLAB中结合关键点检测器和关键点描述符来匹配图像？

我想尝试将3种不同的关键点检测器（Harris、MSER、DOG）和3种不同的特征描述符（SIFT、PCA-SIFT、GLOH）结合起来，在MATLAB中对2幅图像进行局部特征匹配。 例如，当匹配两个图像时，我想尝试

• 匹配点（Harris，SIFT）
• 匹配点（Harris，PCA-SIFT）
• 比赛分数（哈里斯，格洛）
• 匹配点（MSER、SIFT）
• 匹配点（狗、筛）

这样我就可以比较匹配的分数了。我正在考虑使用定量测试来获得匹配的分数

我知道我们可以在MATLAB中使用

[featureVector,hogVisualization] = extractHOGFeatures (img);

对于MSER关键点

points = detectMSERFeatures(I);

corners = detectHarrisFeatures(gr);

哈里斯重点

points = detectMSERFeatures(I);

corners = detectHarrisFeatures(gr);

但是，我不知道如何组合关键点检测器和关键点描述符，如上面在MATLAB中所述

---

谢谢。

使用

提取功能。它支持冲浪、轻快和反常的描述符
 使用
提取功能
。它支持冲浪、轻快和反常的描述符
 那么，你想试着更好地描述检测到的点吗？我想用各种描述符来描述检测到的点，比如SIFT、PCA-SIFT和GLOH。你可能需要有相应的代码。我相信MATLAB的内置特征描述符将为您提供图像上的最佳特征，而不是每个输入数据的特征。这是有意义的，例如，SIFT将每像素存储128个值，使数据非常大。我认为您需要编写自己的代码，或者找到一个为每个数据点计算SIFT的代码。如果有，请给出一个代码示例@Ander Biguriehhh，这是你要问的一大段代码，伙计。但是没有，我没有。所以，你想试着更好地描述检测点吗？我想用各种描述符，如SIFT、PCA-SIFT和GLOH来描述检测点。你可能需要有相应的代码。我相信MATLAB的内置特征描述符将为您提供图像上的最佳特征，而不是每个输入数据的特征。这是有意义的，例如，SIFT将每像素存储128个值，使数据非常大。我认为您需要编写自己的代码，或者找到一个为每个数据点计算SIFT的代码。如果有，请给出一个代码示例@Ander Biguriehhh，这是你要问的一大段代码，伙计。但是没有，我没有。谢谢你的回答@Dima。我可以为提取特征方法提供检测点吗？当然可以。事实上，这是必需的输入。请在matlab中键入
doc extractFeatures
，然后阅读文档。感谢您@Dima的回答。我可以为提取特征方法提供检测点吗？当然可以。事实上，这是必需的输入。请在matlab中键入
doc extractFeatures
，然后阅读文档。