在SIFT和SURF之后，有哪些比较新的且具有一定影响力的自然图像配准算法？

点击下方卡片，关注“新机器视觉”公众号

视觉/图像重磅干货，第一时间送达

OpenCV 中和 2D 特征检测相关的算法的头文件位于

• opencv\modules\features2d\include\opencv2\features2d.hpp，除SIFT、SURF以外的特征。
  
• opencv\modules\nonfree\include\opencv2\nonfree\features2d.hpp，只包含SIFT、SURF这两个受专利保护的特征，因此不是免费的（nonfree）。
  

我们来看具体的类
DescriptorExtractor 的子类都是描述子提取器，包含

• FREAK
  
• OpponentColorDescriptorExtractor
  
• BriefDescriptorExtractor
  

FeatureDetector 的子类都是特征检测器，包含

• MSER
  
• StarDetector，又名 StarFeatureDetector
  
• FastFeatureDetector
  
• GFTTDetector，又名 GoodFeaturesToTrackDetector
  
• SimpleBlobDetector
  
• DenseFeatureDetector
  

FeatureDetector 还提供一系列特殊的适配器子类，用于增强或加速之前的 FeatureDetector 类

• GridAdaptedFeatureDetector
  
• PyramidAdaptedFeatureDetector
• AdjusterAdapter
  
• DynamicAdaptedFeatureDetector
  
• FastAdjuster
  
• StarAdjuster
  
• SurfAdjuster

Feature2D 的子类既是 FeatureDetector，又是 DescriptorExtractor，包含

• BRISK
  
• ORB
  
• SIFT
  
• SURF

按照色彩空间分的话，可以分为：彩色空间和灰度空间

也可以根据梯度信息、灰度强度啊。。。。

仅仅SIFT的变形算法我看到就不下20种了。

比较有影响力的，我觉得是LIOP、ORB、KAZE吧，当然了还有开创性的三元组二进制描述符。

• Local feature: LF-Net, L2-Net, Superpoint
• Dense matching: GLUNet, LoFTR, COTR etc
• Robust matching: MAGSAC, MAGSAC++, CNe/ACNe, OANet, NMNet.
• Benchmark:  Image matching benchmark (UBC).
• Other: SuperGLUE

Note: 我一两年前比较关注相关的课题（其实就是ACNe[1] 啦！一种outlier rejection的网络），所以信息也不是很全，敬请谅解！

—版权声明—

仅用于学术分享，版权属于原作者。

若有侵权，请联系微信号:yiyang-sy 删除或修改！