谁在SURF算法中提出的高斯差分尺度空间
时间: 2023-11-22 12:52:01 浏览: 29
高斯差分尺度空间是由 David Lowe 在他的论文《Distinctive Image Features from Scale-Invariant Keypoints》中提出的。SURF算法是一种基于尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法的改进,它的主要贡献是在SIFT算法的基础上引入了高斯差分尺度空间来提高特征点检测的效率和准确性。
相关问题
sift算法和surf算法缺点
SIFT(Scale-Invariant Feature Transform)算法和SURF(Speeded-Up Robust Features)算法都是用于图像特征提取和匹配的经典算法。它们在计算机视觉领域被广泛应用。
SIFT算法的缺点包括:
1. 计算复杂度高:SIFT算法需要对图像进行多次高斯模糊和差分运算,计算量较大,对于大规模图像处理可能会比较慢。
2. 特征点数量不稳定:SIFT算法提取的特征点数量可能会受到图像尺度和对比度的影响,导致提取到的特征点数量不稳定。
3. 参数敏感性:SIFT算法中有一些参数需要手动设置,如高斯金字塔层数、尺度空间采样步长等,这些参数的选择对算法的性能影响较大,需要经验或者试验来确定。
SURF算法的缺点包括:
1. 对旋转不变性较差:SURF算法使用了Haar小波响应来检测特征点,这种方法对于图像的旋转变化不太敏感,可能导致旋转不变性较差。
2. 对尺度变化不稳定:SURF算法使用了尺度空间盒子滤波器来检测特征点,这种方法对于图像的尺度变化不太稳定,可能导致提取到的特征点数量不稳定。
3. 对光照变化敏感:SURF算法对图像的光照变化比较敏感,可能导致提取到的特征点受到光照变化的影响。
surf算法和brisk算法对比
Surf算法和Brisk算法都是计算机视觉领域中常用的特征提取算法,它们都可以用于图像匹配、目标识别等任务。下面是它们之间的对比:
1.计算速度:Surf算法是一种较为复杂的算法,需要计算大量高斯差分图像和海森矩阵,计算速度较慢;而Brisk算法采用了快速二进制字符串(FREAK)描述子,计算速度较快。
2.描述子维度:Surf算法中的描述子维度为128,而Brisk算法中的描述子维度为64。
3.对旋转和尺度变化的鲁棒性:Surf算法对旋转和尺度变化具有较好的鲁棒性,而Brisk算法在旋转和尺度变化较大的情况下可能会出现匹配错误。
4.对光照变化的鲁棒性:Surf算法对光照变化具有较好的鲁棒性,而Brisk算法对光照变化不够稳健。
综上所述,Surf算法和Brisk算法各有优缺点,选择哪种算法取决于具体应用场景和需求。