如何获取SIFT+SURF的纹理特征？
0
悬赏园豆：10
[已关闭问题]
关闭于 2016-09-07 15:10
对一篇论文中的特征提取，有一个问题没弄懂，想请教大家
①论文中特征提取的方法描述如下：
首先，对两张人脸图像，分别用SIFT检测子检测出若干个关键点。对一幅图像的每个关键点，将位置坐标作为该点几何特征，同时该点还会得到一个SIFT特征。也即对一幅图像，其几何特征是Nx2矩阵，其SIFT特征是Nx128矩阵。
为了描述这些关键点的纹理特征，作者采取级联SIFT特征和SURF特征的方式。
之后，用Lowe匹配方法筛选SIFT关键点，剔除掉无法配对的异常点。
②存在的疑问是：
1、提取的SURF特征也是Kx64维矩阵，矩阵的每一行代表某个关键点的SURF特征。这样，如何将SURF特征与SIFT特征级联？
2、上一个问题考虑过可以将Kx64维矩阵转换成行向量，然后与SIFT特征级联。但是两幅图像的SURF关键点个数K不一样，这样级联后两幅图像的特征维数就不一样了。
3、考虑过将SURF关键点也用Lowe匹配方法，使得两幅图的关键点个数一样，但是测试得到的匹配效果不好。还考虑过用PCA降维至相同的维数，不知道是否可行
所有回答(2)
0
最后还是自己找到了解决办法。
自己重新看了Lowe匹配的代码，以及matlab自带的matchFeature函数的代码。发现在匹配前，这两个代码中都对特征向量进行了单位化（转换成单位向量）的处理。因此，自己编写代码实现对SURF特征的单位化后，再用Lowe匹配方法筛选，可以得到大多数正确的匹配对。
这样，两幅图像的SURF关键点个数就一致了（假设个数均为K），再加上SURF特征的特征维数固定为64，则整幅图像的SURF特征的维数也就相等了（均是K·64）。
最后，把K·64维的SURF特征向量级联到每个SIFT关键点的SIFT特征向量，则两幅图像均可得到（K·64+128）维的纹理特征了。
0
博主，请问你看的是哪篇论文，你提到的两张图片是怎么回事，不能一张一张提取纹理吗？
看的是2016年的一篇人脸识别的文章，Robust Point Set Matching for Partial Face Recognition
提取是一张一张提取，不是同时提取两个
识别过程要找到与测试人脸最相似的样本人脸，所以这里简化为两张图片
另外，给作者发邮件后发现，自己写的这个做法和作者的其实不一样。作者是确定关键点的位置后，对每一个关键点，同时提取sift和surf特征。
@Iris_Ludwig: 谢谢，我已经下载了这篇论文，要是又不懂恐怕还得请教你~~
@Iris_Ludwig: 我看了这篇论文，对于特征提取这部分的讲述太少了。我不太明白~~可不可以加一下QQ:1940707055，谢谢~~
