目录
全局描述符
局部描述符
综合应用
全局描述符
优点:
- 计算效率高:全局描述符通常是基于整个图像生成的一个特征向量,相对来说计算和存储都比较简单,因此在大规模图像检索中具有较高的计算效率。
- 存储空间少:因为每张图像只需要一个全局特征向量,所以存储空间需求较小,适合大规模图像库。
- 适用于图像内容一致性高的场景:对于内容比较一致的图像(如风景、物体等),全局描述符可以较好地描述图像的整体特征。
缺点:
- 对图像变化敏感:全局描述符对图像的旋转、缩放、遮挡等变换较为敏感,因此在存在这些变换的情况下检索效果会受到影响。
- 对复杂背景的适应性差:当图像背景复杂或存在较多干扰时,全局描述符容易受到干扰,影响检索准确性。
- 无法处理局部信息:全局描述符不能有效地捕捉图像中的局部细节信息,对于需要精细描述的场景(如物体识别、姿态估计等)效果较差。
局部描述符
优点:
- 鲁棒性强:局部描述符通常基于图像的局部特征点生成,因此对图像的旋转、缩放、遮挡等变换具有较好的鲁棒性。
- 适用于复杂场景:在图像背景复杂或存在较多干扰的情况下,局部描述符能够更好地捕捉图像中的关键信息,提升检索准确性。
- 精细描述:局部描述符能够有效地捕捉图像中的局部细节信息,对于需要精细描述的场景(如物体识别、姿态估计等)效果较好。
缺点:
- 计算复杂度高:局部描述符需要检测和描述大量的局部特征点,因此计算和存储的复杂度较高,不适合大规模图像库的检索。
- 存储空间大:每张图像可能包含多个局部特征点,每个特征点都需要存储描述符,因此存储空间需求较大。
- 匹配复杂:在检索过程中,需要对大量的局部特征点进行匹配,计算开销较大,影响检索速度。
综合应用
在实际应用中,常常将全局描述符和局部描述符结合使用,以发挥各自的优点。例如,可以先用全局描述符进行粗筛选,再用局部描述符进行精匹配,从而在保证检索速度的同时提高检索的准确性和鲁棒性。