局部特征描述子和全局特征描述子

目录

全局描述符

局部描述符

综合应用

---

全局描述符

优点：

1. 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。
2. 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。
3. 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：

1. 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。
2. 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。
3. 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：

1. 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。
2. 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。
3. 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：

1. 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。
2. 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。
3. 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。