特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
现有的方法主要基于两种方式,一种是先检测关键点，然后基于关键点进行局部特征的描述，即提取描述子；另一种是先进行特征描述，再进行关键点检测。
先检测关键点，后提取局部描述子的方法：
优点：
-
稀疏特征
-
通过最近邻搜索和欧氏距离可以很有效地匹配关键点
缺点：
-
学习到低级的图像特征：棱角和斑点
-
不能很好应对极端环境变化，例如昼夜变化、季节变化
-
不能很好应对弱纹理场景
先提取局部描述子，后检测关键点的方法：
优点：
- 在关键点没有检测到的情况下，描述子依然可以成功匹配，对有挑战的场景效果更好
缺点：
- 需要较多的计算时间，效率不高
d2-net是一种利用深度学习进行特征提取的方法，在提取描述子的同时，对关键点进行检测。
完整PDF文件下载链接：
pan.baidu.com/s/1xVRajMuW… 提取码: jcmq
