optimization - 检索从 SIFT/SURF 获得的最重要的特征

Question

我正在使用 SURF 从图像中提取特征并将它们与其他图像进行匹配。我的问题是某些图像具有超过 20000 个特征，这会减慢与抓取的匹配速度。

有没有一种方法可以只从该集合中提取 n 个最重要的特征？

我尝试计算图像的 MSER，并且只使用那些区域内的特征。这让我在不对匹配质量产生负面影响的情况下减少了 5% 到 40%，但这是不可靠的，而且仍然不够。
我还可以缩小图像的尺寸，但在某些情况下，这似乎会严重影响特征的质量。
SURF 提供了一些参数(hessian 阈值、 Octave 音阶和每 Octave 音阶的层数)，但我找不到任何关于更改这些参数将如何影响特征重要性的信息。

Answer 1

经过一些研究和测试后，我发现每个特征的 Hessian 值是对其强度的粗略估计，但是使用按 hessian 排序的前 n 个特征并不是最优的。
我在执行以下操作时取得了更好的结果，直到特征数量低于 n 的目标:

• 如果图片太大，请缩小图片
• 只考虑位于 MSER 区域的特征
• 对于彼此非常接近的特征，仅考虑具有较高 hessian 的特征
• 在我要保存的每张图像的 n 个特征中，75% 是具有最高 hessian 值的特征
• 剩余的特征是从剩余特征中随机取出的，通过直方图计算的 hessian 值分布进行加权

现在只需要找到一个合适的n，目前看来1500左右就够了。