在不同光度与几何变换程度下关键点检测器与二值描述符的性能分析
计算机视觉与模式识别
2020-12-09 v1
摘要
通过特征匹配检测图像对应关系构成了众多计算机视觉应用的基础。过去已经提出了多种检测器和描述符，以解决从图像中的兴趣点（关键点）高效生成特征的问题。在本文中，我们研究了八种二值描述符（AKAZE、BoostDesc、BRIEF、BRISK、FREAK、LATCH、LUCID 和 ORB）以及八种兴趣点检测器（AGAST、AKAZE、BRISK、FAST、HarrisLaplace、KAZE、ORB 和 StarDetector）。我们解耦了检测和描述阶段以分析兴趣点检测器，然后评估不同检测器和描述符成对组合的性能。我们在标准数据集上进行了实验，并分析了每种方法在不同图像变换下的比较性能。我们观察到：（1）FAST、AGAST、ORB 检测器速度更快且检测到更多关键点；（2）AKAZE 和 KAZE 检测器在光度变化下表现更好，而 ORB 对几何变化具有更强的鲁棒性；（3）通常，描述符与 KAZE 和 AKAZE 检测器配对时表现更好；（4）BRIEF、LUCID、ORB 描述符相对较快；（5）在几何变换下，没有一种描述符表现特别出色，只有 BRISK、FREAK 和 AKAZE 表现出合理的抗性。
引用
@article{arxiv.2012.04135,
title = {Performance Analysis of Keypoint Detectors and Binary Descriptors Under Varying Degrees of Photometric and Geometric Transformations},
author = {Shuvo Kumar Paul and Pourya Hoseini and Mircea Nicolescu and Monica Nicolescu},
journal= {arXiv preprint arXiv:2012.04135},
year = {2020}
}