在SIFT和SURF之后,有哪些比较新的且具有一定影响力的自然图像配准算法?
请注意是面向非结构化环境下的非特定类别图像的配准算法,医学影像中的配准算法暂不考虑。
关注者
1,481被浏览
340,417登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏
我就提一下 OpenCV 中实现的特征点算法
答案都在代码中。
OpenCV 中和 2D 特征检测相关的算法的头文件位于
- opencv\modules\features2d\include\opencv2\features2d.hpp,除SIFT、SURF以外的特征。
- opencv\modules\nonfree\include\opencv2\nonfree\features2d.hpp,只包含SIFT、SURF这两个受专利保护的特征,因此不是免费的(nonfree)。
我们来看具体的类
DescriptorExtractor 的子类都是描述子提取器,包含
- FREAK
- OpponentColorDescriptorExtractor
- BriefDescriptorExtractor
FeatureDetector 的子类都是特征检测器,包含
- MSER
- StarDetector,又名 StarFeatureDetector
- FastFeatureDetector
- GFTTDetector,又名 GoodFeaturesToTrackDetector
- SimpleBlobDetector
- DenseFeatureDetector
FeatureDetector 还提供一系列特殊的适配器子类,用于增强或加速之前的 FeatureDetector 类
- GridAdaptedFeatureDetector
- PyramidAdaptedFeatureDetector
- AdjusterAdapter
- DynamicAdaptedFeatureDetector
- FastAdjuster
- StarAdjuster
- SurfAdjuster
Feature2D 的子类既是 FeatureDetector,又是 DescriptorExtractor,包含
- BRISK
- ORB
- SIFT
- SURF
希望这个回答可以授之以渔。
相关文章
OpenCV 3 最新模块一次看个够 - 黑客与画家 - 知乎专栏