图像分块是否会对SIFT特征的提取产生一定的影响
2013-12-22 10:28
459 查看
关于SIFT算法的性能的问题,近期有过如此的思考
如果想要将SIFT实时地应用与视频图像配准,目前为止的计算速度基本是不可能的。实验显示,采用英特尔I3处理器,2.5G主频的PC,对一张分辨率大约为704*576的图片。计算时间主要消耗在构建构建DOG金字塔与描述子生成的过程,二者均耗时大约为200MS, 因此对于一般视频图像处理的要求(25帧/秒),达到实时是不可能的事情。
近期正在考虑是否可以将一幅图像进行分块并行处理,但是考虑到分块是否对原图像的特征点提取产生影响?因为图像分块后,首先高斯滤波的结果不一样了,因此特征点肯定与之前也不同了。
但是从另一方面考虑,原理上来讲,特征点是该图像(块)在某个指定的尺度空间下的极值响应,因此可以看成它们是客观存在的,分块之后,DOG金字塔不一样了,但其响应的极值也不同了。就是说虽然有可能原图像的某些特征点提取不出来了,但在该子图像上会出现一些新的特征值,而且这些新的特征值质量并不一定比之前消失的差,是否可以这样理解那。。。还请各位专家们指点。
如果想要将SIFT实时地应用与视频图像配准,目前为止的计算速度基本是不可能的。实验显示,采用英特尔I3处理器,2.5G主频的PC,对一张分辨率大约为704*576的图片。计算时间主要消耗在构建构建DOG金字塔与描述子生成的过程,二者均耗时大约为200MS, 因此对于一般视频图像处理的要求(25帧/秒),达到实时是不可能的事情。
近期正在考虑是否可以将一幅图像进行分块并行处理,但是考虑到分块是否对原图像的特征点提取产生影响?因为图像分块后,首先高斯滤波的结果不一样了,因此特征点肯定与之前也不同了。
但是从另一方面考虑,原理上来讲,特征点是该图像(块)在某个指定的尺度空间下的极值响应,因此可以看成它们是客观存在的,分块之后,DOG金字塔不一样了,但其响应的极值也不同了。就是说虽然有可能原图像的某些特征点提取不出来了,但在该子图像上会出现一些新的特征值,而且这些新的特征值质量并不一定比之前消失的差,是否可以这样理解那。。。还请各位专家们指点。
相关文章推荐
- 【图像特征提取12】OpenCv的SIFT图像局部特征提取描述算法C++代码的实现
- VLFeat——SIFT图像特征提取(VC++实现)【转载】
- 图像特征提取:SIFT定位算法关键步骤的说明
- 图像金字塔(pyramid)与 SIFT 图像特征提取(feature extractor)
- 【图像特征提取13】SIFT原理之KD树+BBF算法解析
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)
- 【图像特征提取14】PCA-SIFT原理及源码解析
- 图像处理:Sift特征提取方法
- VLFeat(1)——SIFT图像特征提取(VC++实现)
- SIFT图像特征提取 python3.4 + opencv3.1.0代码
- FPGA图像处理之SIFT特征提取
- 图像特征提取5:SIFT特征
- 使用EMGU.CV对图像进行SIFT和SURF特征提取
- 图像处理之特征提取(三)之SIFT简单梳理
- 图像特征提取5:SIFT特征
- 模式匹配之sift--- sift图像特征提取与匹配算法代码
- VLFeat——SIFT图像特征提取(VC++实现)
- 图像算法之三:特征提取算子之SIFT
- 图像特征提取与匹配之SIFT算法