8.2 特征描述子

8.1 尺度空间

图像特征中尺寸空间的相关理论基础。

8.1.1尺度与旋转不变性

局部不变性：尺度不变性（视觉远近与目标认知分析无关）和旋转不变性（旋转操作与目标认知分析无关）

8.2 特征描述子

特征描述

目标特征分析：关键点检测与关键点提取

8.2.1 SIFT特征

关键点检测和描述算法

优点：旋转、尺度、平移、视角及亮度不变性；对参数调整鲁棒性好（根据场景调整适宜特征点数量）

该算法对图像局部特征点提取包括4个步骤：疑似关键点检测、去除伪关键点、关键点梯度与方向匹配及特征向量生成

SIFT特征检测及匹配：

https://blog.csdn.net/u010847519/article/details/72716575

https://blog.csdn.net/dcrmg/article/details/52578732

OpenCV学习笔记】三十七、特征检测与匹配(二)——SIFT特征点匹配

https://blog.csdn.net/abc8730866/article/details/70146826

Opencv3.1.0+opencv_contrib配置及使用SIFT测试

https://blog.csdn.net/nnnnnnnnnnnny/article/details/52182091

OpenCV学习笔记（八）—— OpenCV 3.1.0 + opencv_contrib编译（Windows）

https://blog.csdn.net/linshuhe1/article/details/51221015

8.2.2 SURF（speeded up robust features）特征

SURF特征检测及匹配

对经典SIFT特征进行改进。不借助硬件加速或专门图像处理器达到实时性！

SURF算法鲁棒性好且时间复杂度低。不仅保持SIFT尺度不变性和旋转不变性，而且对光照变化和仿射变换同样具有很强的鲁棒性。

https://www.cnblogs.com/skyfsm/p/7401523.html

8.2.3 ORB特征

该特征基于FAST角点特征点检测与描述技术

运行时间远远优于SIFT和SURF，用于实时特征检测

ORB算法比SIFT算法快100倍，比SURF算法快10倍。在计算机视觉领域有种说法，ORB算法的综合性能在各种测评里较其他特征提取算法是最好的。

ORB没有解决尺度不变性。

1、方向FAST特征点检测

2、BRIEF特征描述

ORB特征检测与匹配