加速稳健特征
维基百科，自由的百科全书
SURF (Speeded Up Robost 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Herbert Bay et al. 。这个算法可被用于计算机视觉任务，如物件识别和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，并且其作者生成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像.
目录 |
实现 [编辑]
- 原始实现 (闭源)
- OpenSURF (开源) 有详细的文档和参考手册的实现(C++, C#, Java, Android, iPhone)
- OpenSurfCL (开源) OpenSURF 在 OpenCL 上的免费实现(C++, C# Wrapper, JNI)
- OpenCV SURF (开源) SURF 的特征分离实现 (OpenCV 2.0)
- SURFmex Matlab OpenCV的 SURF 接口(MEX)代码。
- OpenSURF Matlab (开源) 到 OpenSURF (Matlab) 的接口
- libmv SURF (开源) 分离与匹配的实现
- Python mahotas (开源) 包含 SURF 实现的计算机视觉包
- Dlib C++ Library (开源) SURF 特征分离的实现
- Pan-o-matic (开源) 包含 SURF 算法的软件
- Parallel SURF 基于 Pan-o-matic 的多线程实现
- C# SURF plugin for Multi-Agent Serving System (开源) 分离和匹配的实现
- JavaSurf (开源) java 实现 (平台独立)
- JOpenSURF (开源) java 翻译的 OpenSURF
- ImageJ SURF (开源) 作为 ImageJ 插件，拥有舒适的GUI和输出统计的SURF实现(平台独立)
- ASSURF (开源) 在 Adobe Flash 平台中基于 ActionScript 的SURF实现
- Speeded Up SURF (开源) GPU 实现
- CUDA SURF (开源) GPU 使用 CUDA 的实现, 接口与 OpenSURF (C++, CUDA) 类似
- Mathematica 实现
- GPU SURF (开源) GPU 实现
参见 [编辑]
- 尺度不变特征变换 (SIFT)
- Gradient Location and Orientation Histogram
- LESH - Local Energy based Shape Histogram
- Blob detection
- 特征检测 (计算机视觉)
引用 [编辑]
- Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool "SURF: Speeded Up Robust Features", Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, pp. 346–359, 2008
- Christopher Evans "Notes on the OpenSURF Library", MSc Computer Science, University of Bristol
