Quais são as técnicas de extracção de características no processamento de imagens?

Tradicionalmente, técnicas de extração de características como SIFT, SURF, BRISK, etc são algoritmos de processamento de pixels que são usados para localizar pontos em uma imagem que podem ser registrados com pontos semelhantes em outras imagens. Primeiro é encontrado um conjunto desses pontos - a esperança é que o algoritmo seja invariante em termos de tamanho e rotação. No entanto, como você está lidando com pixels discretos, há sempre alguma distorção. Em seguida, é calculado um conjunto de medidas baseadas nos pixels circundantes. O conceito é que podemos identificar de forma única pequenas manchas em uma imagem. Depois comparamos todas as medidas de uma imagem com todas as medidas da imagem de comparação. Uma vez que cada ponto tenha encontrado a sua melhor correspondência, analisamos o conjunto de correspondências para obter correpondência. A teoria é que se a correspondência for coerente, você tem uma imagem semelhante.

Estas técnicas funcionam melhor com objetos rígidos que são orientados de forma confiável em comparação com a câmera, tais como logotipos, sinais, etiquetas. As técnicas podem ser muito intensivas em computação para imagens de maior resolução, por isso tem havido uma pesquisa ativa na otimização dos algoritmos. Hoje em dia, muitas pessoas vão usar CNNs para a maioria dos passos, mas para casos específicos, acho que a extracção de características pode diferenciar melhor entre objectos muito semelhantes.