图像特征点描述子综述

宋俊芳 闻江

摘 要：局部图像特征描述是计算机视觉的一个基本研究问题，在寻找图像中的对应点以及物体特征描述中有着重要的作用。本文简要介绍在机器视觉发展过程中常用的图像特征点描述子，并展示各特征描述子在同一图片中的检测结果，分析它们的特点及优缺点。

关键词：计算机视觉；特征点描述子；检测结果

中图分类号： TP391.4 文献标识码： A 文章编号： 1673-1069（2016）21-158-2

0 引言

图像特征点描述子是很多实际应用的基础，在多幅图像的配准利用多幅二维图像进行三维重建、恢复场景三维结构，这些应用在建立图像之间点与点之间的对应关系通常都依赖于一个优秀的局部图像特征点描述子。尤其是近年来对复杂场景冲目标跟踪的应用中，基于目标图像特征点的跟踪能够有效解决目标被遮挡、形变等比较复杂的情况，受到越来越多研究者的关注。

1 第一类图像特征点描述子

1.1 SIFT

SIFT（尺度不变特征转换），此算法由David Lowe在1999年所发表，2004年完善总结。是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。自它提出以来，很快在物体识别、宽基线图像匹配、三维重建、图像检索中得到了应用，局部图像特征描述子在计算机视觉领域内也得到了更加广泛的关注，涌现了一大批各具特色的局部图像特征描述子。

1.2 SURF

SURF（加速稳健特征）是Hebert Bay在ECCV2006年提出的SIFT算法加速版，在适中的条件下完成两幅图像中物体的匹配基本实现了实时处理。……