【问题标题】：Retrieving the most significant features gained from SIFT / SURF检索从 SIFT / SURF 中获得的最重要的特征
【发布时间】：2011-05-28 07:35:20
【问题描述】：
我正在使用 SURF 从图像中提取特征并将它们与其他图像匹配。我的问题是某些图像具有超过 20000 个特征，这会减慢与爬行的匹配速度。
有没有一种方法可以只从该集合中提取 n 个最重要的特征？
我尝试为图像计算 MSER，并且只使用这些区域内的特征。这让我减少了 5% 到 40%，而不会对匹配质量产生负面影响，但这是不可靠的，仍然不够。
我还可以缩小图像的大小，但在某些情况下，这似乎会严重影响特征的质量。
SURF 提供了一些参数（粗麻布阈值、倍频程和每倍频程的层数），但我找不到任何关于更改这些参数会如何影响特征重要性的信息。
【问题讨论】：
标签：
optimization
image-processing
sift
surf
feature-extraction
【解决方案1】：
经过一些研究和测试，我发现每个特征的 Hessian 值是对其强度的粗略估计，但是使用按 hessian 排序的前 n 个特征并不是最优的。
在执行以下操作时，我取得了更好的结果，直到特征数量低于 n 的目标：
- 如果图片太大，请缩小图片尺寸
- 仅考虑位于 MSER 区域中的特征
- 对于彼此非常接近的特征，仅考虑具有较高 hessian 的特征
- 在我要保存的每张图像的 n 个特征中，75% 是具有最高 hessian 值的特征
- 剩余的特征是从剩余部分中随机抽取的，通过直方图计算的粗麻布值的分布进行加权
现在我只需要找到一个合适的n，但目前1500左右似乎足够了。