Optimization 检索从SIFT/SURF获得的最重要特征
我正在使用SURF从图像中提取特征并将其与其他图像进行匹配。我的问题是，有些图像有超过20000个特征，这会减慢与爬网的匹配速度 是否有一种方法可以从该集合中仅提取n个最重要的特征 我尝试为图像计算MSER，只使用那些区域内的特征。这使我在不影响匹配质量的情况下，从5%降至40%，但这是不可靠的，而且仍然不够。Optimization 检索从SIFT/SURF获得的最重要特征,optimization,image-processing,sift,surf,feature-extraction,Optimization,Image Processing,Sift,Surf,Feature Extraction,我正在使用SURF从图像中提取特征并将其与其他图像进行匹配。我的问题是，有些图像有超过20000个特征，这会减慢与爬网的匹配速度 是否有一种方法可以从该集合中仅提取n个最重要的特征 我尝试为图像计算MSER，只使用那些区域内的特征。这使我在不影响匹配质量的情况下，从5%降至40%，但这是不可靠的，而且仍然不够。 我可以进一步缩小图像的大小，但在某些情况下，这似乎会严重影响功能的质量。 SURF提供了一些参数（hessian阈值、八度音阶和每八度音阶的层数），但我找不到任何关于这些参数的更改将如何
我可以进一步缩小图像的大小，但在某些情况下，这似乎会严重影响功能的质量。
SURF提供了一些参数（hessian阈值、八度音阶和每八度音阶的层数），但我找不到任何关于这些参数的更改将如何影响特征重要性的信息。经过一些研究和测试，我发现每个特征的hessian值是对其强度的粗略估计，但是，使用按hessian排序的前n个特征并不是最佳选择。
我在执行以下操作时获得了更好的结果，直到功能数量低于目标n：
- 如果图像过大，请缩小图像大小
- 仅考虑位于MSER区域中的特征
- 对于彼此非常接近的特征，仅考虑具有较高hessian值的特征
- 在我要保存的每个图像的n个特征中，75%是具有最高hessian值的特征
- 其余特征从剩余特征中随机抽取，通过直方图计算的hessian值分布进行加权