OpenCV 特徵點檢測方法--GFTT，SIFT，FAST，SURF

一. 特徵點檢測方法總結

1 .       Shi-Tomasi ：  1994 年，Jinabo Shi ，Carlo Tomasi 提出

原理：http://blog.csdn.net/xiaowei_cqu/article/details/7805206

提出：http://wenku.baidu.com/link?url=d-ByPLIzgzJetEH0eg9OMEiCmjVunZ1V8lufllGymzWa0_7UcANJ7pqpur4joE-MRPYRqkS2D8vRv9HAMT9dQPx1zk9m1ZxvQska7m-bgqG

实现：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/features2d/trackingmotion/good_features_to_track/good_features_to_track.html

      cvGoodFeatureToTrack函數(通過設置use_harris參數為非0，可以實現檢測Harris角點)

優缺點：是對Harris的一種改進算法

[url=]2.       SIFT[/url]：1999 年提出，2004 年完善，David G.Lowe 提出

原理：http://blog.csdn.net/dan1900/article/details/14521029

提出：1999：http://wenku.baidu.com/link?url=G8NB1abVM-qTB75Tz3x_krTDiS4GuHnXamdutUOxtZ2yozYe0nZAE28L0Tw-m2y9P60dQQKnB-vr0gisowVJQcM1W8IL1-PWd4bi_FusDJq

2004年：http://www.doc88.com/p-077847145905.html

實現：http://www.cnblogs.com/tornadomeet/archive/2012/03/08/2384843.html

      http://blog.csdn.net/yang_xian521/article/details/7533922

      (non-free) 添加opencv_nonfree243.lib

優缺點：尺度不變，旋轉不變，但匹配成功數目少，速度慢

3       FAST（功能從加速Tegment測試）：2006年年，愛德華Rosten，湯姆·德拉蒙德

原理：http://blog.csdn.net/yang_xian521/article/details/7411438

提出：2006：http://link.springer.com/chapter/10.1007/11744023_34   (Springer)

2010：http://www.edwardrosten.com/work/rosten_2008_faster.pdf

實現：http://www.edwardrosten.com/work/fast.html

      FastFeatureDetector函數

優缺點：計算速度快，只計算了灰度信息

[url=]4.       SURF(Speed ​​UpRobust Feature)[/url]：2006 年，Bay 等提出的

原理：http://blog.csdn.net/chenbang110/article/details/7541157

      http://blog.csdn.net/yangtrees/article/details/7482960

提出：http://link.springer.com/chapter/10.1007%2F11744023_32（施普林格）

實現：http://www.oschina.net/code/explore/OpenCV-2.2.0/samples/c/find_obj.cpp

      cvExtractSURF函數(non-free)

優缺點：由sift改進而來，比sift快，多幅圖片時魯棒性好。

5.譴責（中心SurroundExtremas的實時特徵檢測和匹配）

2008年，Motiala Agrawal等

提出：http://wenku.baidu.com/link?url=lv4Spxx1kT66kf-FltX-Wa3NJw86_dpkH5kldXEbV6wY5lnbY0JbLGhP21HNF9t-y25ImzIbd3oQduwrxRfiMUJyzSO1bTLG4pI9uQPwHW3(springer)

實現：opencv STAR (StartFeatureDetecor函數)

比較：文章提出了新的方法，並與已有特徵點檢測進行比較，比較時用到的算子：Harris，FAST，SIFT，SURF.方法：1. 計算當特徵點是800時，對於不同的序列，特徵點的可重複性。2. 計算最小的歐式距離值，對比距離區間點的個數，畫折線圖。3. 計算不同搜索範圍下，當特徵點個數是800時，每種特徵點檢測的可以匹配成功的百分比。4.使用the visual odometry(VO)評估每種算法的表現。5.比較了每種算法所用的時間。

[url=]6. BRISK[/url] (Binary Robust invariant scalable keypoints) ：2011年，Leutenegger,S等提出

原理：http://d.wanfangdata.com.cn/periodical_jcdzgc201305015.aspx

提出：http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6126542

實現：

優缺點：是對FAST算法的改進

二．關於特徵點分析對比的相關論文

1. 有關特徵點：[url=]世Tmoasi[/url]，SIFT，SURF

文章：http://miua2012.swansea.ac.uk/uploads/Site/Programme/PSB05.pdf

方法：基於opencv，通過RGB分解，比較特徵點的個數和魯棒性

2. 有關特徵點：FAST

文章：http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5596017

方法：主要是看追踪的，用到了forward-backward(FB)漂移誤差，NCC，SSD

3. 有關特徵點：Shi-Tmoasi，SIFT，SURF，Fast

提出：Evaluationof內窺鏡圖像增強功能用於跟踪：一個新的驗證框架

三．相關函數的使用

1.特徵點檢測架構：http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/features2d/doc/features2d.html

2. 各種特徵點檢測結果對比

http://blog.csdn.net/vast_sea/article/details/8196420