加速稳健特征

维基百科,自由的百科全书
跳转至: 导航搜索
特征检测
Corner.png
一个典型的角检测算法的输出
边缘检测
Canny算子
Canny-Deriche
Differential
Sobel
Prewitt
Roberts Cross
兴趣点检测
角检测
Harris operator
Shi and Tomasi
Level curve curvature
SUSAN
FAST
Blob 检测
Laplacian of Gaussian (LoG)
Difference of Gaussians (DoG)
Determinant of Hessian (DoH)
Maximally stable extremal regions
PCBR
Ridge 检测
Hough 变换
Structure tensor
Affine invariant feature detection
Affine shape adaptation
Harris affine
Hessian affine
特征检测
SIFT
SURF
GLOH
LESH
Scale-space
Scale-space axioms
Implementation details
Pyramids

SURF (Speeded Up Robust Features, 加速稳健特征) 是一个稳健的图像识别和描述算法,首先于2006年发表在ECCV大会上。这个算法可被用于计算机视觉任务,如物件识别3D重构。他部分的灵感来自于 SIFT 算法。SURF标准的版本比SIFT要快数倍,并且其作者声称在不同图像变换方面比SIFT更加稳健。SURF 基于近似的 2D 离散小波变换 响应和并且有效地利用了积分图.

实现[编辑]

参见[编辑]

引用[编辑]

外部链接[编辑]