Ben kullanılan SIFT Uygulama Andrea Vedaldi, hesaplamak için elemek tanımlayıcıları benzer iki görüntü (ikinci görüntü ise aslında bir Yakınlaştırılmış resmin aynı nesneden farklı bir açı).

Şimdi anlamaya bulunamamnasıl tanımlayıcıları ne kadar güzel resimler söyle karşılaştırın?

Bu soru aslında bu gibi şeylerde önce oynadığı sürece sorumlu olmadığını biliyorum, ama düşündümbunları yapan biri daha önce bunun farkındasoruyu attım.,

tanımlayıcıları oluşturmak için yaptığım küçük:

>> i=imread('p1.jpg');
>> j=imread('p2.jpg');
>> i=rgb2gray(i);
>> j=rgb2gray(j);
>> [a, b]=sift(i);  % a has the frames and b has the descriptors
>> [c, d]=sift(j);

İlk olarak, vl_sift kullanarak yerine elemek gerekmiyor mu?

İkinci olarak, ELEMEK özelliği eşleşen iki görüntüdeki yazışmalar bulmak için kullanabilirsiniz. İşte bazı örnek kod:

    I = imread('p1.jpg');
    J = imread('p2.jpg');

    I = single(rgb2gray(I)); % Conversion to single is recommended
    J = single(rgb2gray(J)); % in the documentation

    [F1 D1] = vl_sift(I);
    [F2 D2] = vl_sift(J);

    % Where 1.5 = ratio between euclidean distance of NN2/NN1
    [matches score] = vl_ubcmatch(D1,D2,1.5); 

    subplot(1,2,1);
    imshow(uint8(I));
    hold on;
    plot(F1(1,matches(1,:)),F1(2,matches(1,:)),'b*');

    subplot(1,2,2);
    imshow(uint8(J));
    hold on;
    plot(F2(1,matches(2,:)),F2(2,matches(2,:)),'r*');

() vl_ubcmatch aslında şunları yapar:

F1 noktası bir P olduğunu varsayalım ve sen "" maç F2. en uygun bulmak istiyorum Bunu yapmanın bir yolu, D2 tüm tanımlayıcıları için F1 P tanımlayıcısı karşılaştırın. Karşılaştırma tarafından, yani Öklid uzaklığı (veya iki tanımlayıcıları fark L2-norm) bulabilirsiniz.

Sonra, iki puan düşük olan F2, ki U & V ve ikinci en düşük mesafe (Du ve Dv P) sırasıyla buluyorum.

Du >Dv/eğer burada Lowe tavsiye nedir: = eşik (kullandım 1.5 örnek kodu), daha sonra bu maç kabul edilebilir; aksi takdirde, ne olduğu belirsiz, uyumlu ve reddedilme gibi bir yazışma ve biz yok maç her noktada F2 P. Aslında, eğer çok fark var arasında en iyi ve ikinci en iyi maçlar, bekleyebilirsiniz, bu bir kalite maç.

Bu önemli beri çok kapsamı belirsiz eşleşen bir görüntü: hayal eşleşen noktaları bir göl veya bir bina ile birkaç windows, tanımlayıcıları olabilir bak çok benzer ama bu ilişkiyi açıkça yanlış.

Yapabilirsin eşleşen herhangi bir sayı, yollar .. kendi kendinize çok kolayca MATLAB veya hızlı Yukarı kullanarak KD-ağaç veya yaklaşık en yakın numara arama FLANN sahip uygulanıyor OpenCV.

EDİT: Ayrıca, kd-tree implementations in MATLAB birkaç vardır.