檢索從SIFT/SURF獲得的最顯着特徵

Question

我使用SURF從圖像中提取特徵並將它們與其他特徵匹配。我的問題是，有些圖像具有超過20000個功能，這會降低匹配爬行速度。

有沒有一種方法可以從該組中提取n個最重要的特徵？

我試圖計算MSER的圖像，只使用這些區域內的功能。這使我在5％至40％的範圍內減少，但不會對匹配質量產生負面影響，但這不可靠，仍然不夠。
我可以額外縮小圖像的大小，但是在某些情況下，我似乎會嚴重影響特徵的質量。
SURF提供了一些參數（每倍頻程的大麻閾值，八度和層數），但我無法找到任何有關如何改變這些參數會影響特徵重要性的內容。

Answer 1

經過一番研究和測試後，我發現每個特徵的Hessian值是對其強度的粗略估計，但是使用排序爲hessian的前n個特徵並不是最優的。
我做以下，直到特徵數爲n的目標以下時，取得了較好成績：

• 尺寸的圖像下來，如果是過大的
• 只有特點是橫亙在MSER區域被認爲是
• 對於位於非常接近對方，只有具有較高粗麻布被認爲是
• 每幅圖像的n個特徵，我想挽救功能特點，75％是最高的粗麻布的特徵值
• 的留在克特徵從其餘隨機抽取，通過直方圖

現在我只需要找到一個合適的N-計算的Hessian矩陣值的分佈進行加權，而是圍繞1500似乎足夠目前。