您是否可以列出一些比例和旋转不变特征描述符以用于特征检测。
该应用程序使用多分类器来检测无人机捕获的视频中的汽车和人。
到目前为止，我一直在研究SIFT和MSER（仿射不变）。我也看过LESH，LESH是基于局部能量模型的，但是其计算方式不是旋转不变的，我一直在尝试思考一种利用局部能量的方法来构建旋转不变的方法功能描述符，我在这里读到有哪些可以在商业应用中使用的SIFT / SURF的免费替代品？，即“如果您将方向分配给兴趣点并相应地旋转图像块，则可以免费获得旋转不变性”，但是不知道这是否可以缓解或我如何将其应用于我的问题，任何帮助都将是感谢，谢谢
Answers:
至于SIFT / SURF的替代方案，您链接的问题提供了很好的答案。
我还可以读出两个问题：
建筑特征描述符
这是一个有效的研究主题。好的功能描述符并不是每个人都可以在一个下午建立的。人们成功地建模具有所需属性的特征描述符时，就会发布文章。因此，目前仅使用了一些最新的描述符，这也是我建议您这样做的原因：找到适合您需求的功能描述符。
“免费”实现旋转不变性
|black->gray->white||white->gray->black|
这样，您将始终在具有相同主导方向（旋转斑块）的图像块上计算描述符，从而获得旋转不变性。
免费获得旋转不变性的另一种方法是选择旋转不变的对象。例如，圆或环对于旋转是不变的。
特征提取器：运行边缘检测。对于每个NxN像素邻域，计算边缘方向和幅度2D直方图。查找所有具有高总振幅和高角展度的点。删除所有不具有径向对称性的点。
特征描述符：找到每个圆形对象的中心。由于物体是圆形的，因此它没有主梯度角。所有角度都相等。因此，径向轮廓（极坐标中的像素值之和）是角度不变描述符。
顺便说一下，这就是基准在电路板上制造为圆形的原因之一：
我宁愿研究一下KAZE / AKAZE，它们在加速方面表现同样出色。变形情况也是可以容忍的。OpenCV最近通过GSoC 2014获得了一个实现。您可以在此处找到它。
如果将特征点周围的局部面片重新映射到对数极坐标（原点位于关注点），则比例更改对应于沿对数径向轴的平移，而旋转对应于平移（环绕）沿角轴。如果随后计算二维傅立叶变换，则径向和角度方向上的平移将成为频域中的相移。如果然后计算傅立叶变换的绝对值，则相位将完全消失，并且比例变化和原始图像斑块的旋转变得不明显。因此，在对数轴坐标系中图像的2D傅里叶变换的绝对值将是您的特征描述符。
好吧，至少在理论上。实际上，您需要限制面片的径向延伸。这意味着您需要在计算傅立叶变换之前切掉大部分数据（实际上是傅立叶级数），因此在对数极坐标中沿对数径向方向的平移并不完全对应于频域中的相移已不再存在，因此该方法并非完全不变。我怀疑如果您使用某些窗口功能在对数-半径坐标上（不间断）并将其乘以颜色强度，则此问题会有所缓解。
但是，特征描述符应该仍然是完全旋转不变的。
参考：不选择尺度的尺度不变性