图像处理中的特征检测和特征描述符答案

【问题标题】：Feature Detection and Feature Descriptor in Image Processing图像处理中的特征检测和特征描述符
【发布时间】：2016-05-26 14:54:22
【问题描述】：

好吧，我很清楚特征检测和特征描述符。特征检测是在图像中找到一些有趣的点，我们可以用 SIFT、HoG 等描述符来描述它们。我的疑问非常具体。假设我有一个图像（I），我应用了 Harris Detector 并找到了该图像中角落的 x,y 位置。现在，我想应用 SIFT 来查找 SIFT 特征，那么我应该怎么做呢？我应该制作一个仅检测到角的新图像，然后应该对其应用 SIFT 吗？还是应该在图像 I 上应用 SIFT（但我猜这没有用）？

请帮助我在实际基础上弄清楚一些。

【问题讨论】：

标签： image-processing

【解决方案1】：

正如您所说，SIFT 描述符描述了特征点。然而，SIFT 也试图保持尺度不变。这意味着 SIFT 检测器还检查潜在关键点对各种尺度的响应。然后检测器不仅记录x,y，还记录尺度信息。

这意味着您最好使用 SIFT 附带的检测器和描述符。 Matlab 和 OpenCV 实现都允许您轻松检测和描述点。

【讨论】：

对不起，你的回复让我很困惑。我想知道 SIFT 的输入图像是什么？另外，如果我已经计算了多个尺度的 Harris 点并将局部最大值视为最终值怎么办？那么，应用 SIFT 的意义何在？
输入图像为原始灰度图。 SIFT 检测器在多个尺度上工作，但会选择给出最佳响应的尺度。除非您想重新实现 SIFT 检测器，否则我不明白您为什么需要强制使用 Harris 角。
非常感谢您的努力，但图片仍不清楚，如果我能得到一些线索，我将不胜感激。我试着再给你解释一下。我实际上读了一篇论文，其中在分割步骤之后以并行方式提取了三种类型的特征，即“Harris-Laplace + SIFT”、“Hessian-Laplace + SIFT”和“Fast Hessian + SIFT”。那么这个“+”运算符在扮演什么角色呢？我的意思是，你说在原始图像上应用 SIFT，Harris-Laplace 也将应用于原始图像，那么如何将它们结合起来？
我不知道原始论文作者想要做什么。也许他们还计算了哪个比例，或者他们使用了一个固定的比例值。给定原始图像 + 位置，可以为检测到的特征点计算 SIFT 描述符，但结果不太可能不随尺度变化。