如何从小尺寸图像中提取更多关键点？答案

【问题标题】：How to extract more keypoints from small size image?如何从小尺寸图像中提取更多关键点？
【发布时间】：2016-03-21 08:00:43
【问题描述】：

我正在尝试从一些小尺寸图像（例如 176*146 像素）中获取尽可能多的关键点。但我必须说，我失败了。

我的想法是计算每个关键点的描述符并将其存储到 db/bag of word 中，因此可以通过仅计算相似描述符的方式将相似图片识别为已存在于 db 中。

我的问题是小分辨率图片。我已经尝试了 openCV 中几乎所有可用的特征提取器/描述符。 Sift、Surf、ORB、Dense、AKAZE 等。每种方法都无法处理小尺寸图像。

我可以做些什么来获得更强大的关键点？

【问题讨论】：

标签： opencv feature-extraction sift surf orb

【解决方案1】：

您应该决定是要检测更多关键点，还是更强大的关键点。通常最好有 less 个关键点，这样在不同的变换下更稳定。另外，请定义失败是什么意思。关键点太少？这很容易解决。匹配错误？没那么容易。

您尝试过 FAST 检测器吗？根据我的经验，它通常会检测到比我想要的更多的关键点，我必须丢弃其中的大部分才能获得有意义的结果。您还可以尝试在具有小单元格大小的规则网格中检测关键点 - 这样您将获得统一的覆盖范围，并且如果描述符是好的 - 你最终会得到一些匹配。尽管您可能希望不完全在网格交叉点中计算描述符，而是在附近最类似角落的位置。

【讨论】：

我需要更强大的关键点来计算可以存储在数据库中的更多描述符。可以对照数据库检查来自新图像的描述符，我可以确定图像是否已经在数据库中。但没有一个单一的特征提取足以从小图像中生成足够强大的关键点。