[英]How to choose good SURF feature keypoints?
我目前正在研究对象分类问题。 我的目标是使用SURF描述符在opencv中训练基于MLP的人工神经网络,并生成用于对象分类的模型。 到目前为止,我已经实现了以下目标:
我正在使用以下代码计算SURF关键点:
vector<KeyPoint> computeSURFKeypoints(Mat image) {
SurfFeatureDetector surfdetector(400, 4, 2, true, false);
vector<KeyPoint> keypoints;
surfdetector.detect(image, keypoints);
return keypoints;
}
我使用以下代码在这些关键点上计算SURF描述符:
Mat computeSURFDescriptors(Mat image, vector<KeyPoint> keypoints) {
SurfDescriptorExtractor extractor;
Mat descriptors;
extractor.compute(image, keypoints, descriptors);
return descriptors;
}
我面临的问题是描述符的大小因图像而异。 描述符包含64个用于每个功能点的元素。 为了训练神经网络,我希望描述符的大小固定。 为此,我使用PCA来减少描述符的大小,如下所示:
Mat projection_result;
PCA pca(descriptors, Mat(), CV_PCA_DATA_AS_COL, 64);
pca.project(descriptors,projection_result);
return projection_result;
这样,我可以减小描述符的尺寸,但是所选特征点不能代表图像,并且它们会导致较差的匹配结果。 如何通过保留良好的特征点来缩小描述符的维数? 任何帮助将不胜感激。
我完全在寻找其他东西,所以没有专家,但是我碰巧知道Matlab具有'points.selectstrongest(x)'功能,因为x是您想要的点数。 该功能选择指标最强的点。
度量是Matlab函数“ detectSURFFeatures”赋予SURFpoint的属性。 我通过OpenCV函数'vision.internal.buildable.fastHessianDetectorBuildable.fastHessianDetector_uint8'在'detectSURFFeatures'中给出了度量标准
您可以使用在功能检测中返回的每个关键点的响应值。 按照关键点的响应值对关键点进行排序应该是可行的方法,但是我从未测试过。
参见: https : //github.com/Itseez/opencv/blob/master/modules/core/include/opencv2/core/types.hpp#L697
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.