第九章圖像特征匹配

特征匹配的策略特征匹配的基本思路：通過度量特征描述子之間的距離來評(píng)估它們之間的相似性，距離越小表示特征之間的相似度越高，匹配程度也就越高。常見的距離度量方法包括歐氏距離、漢明距離和曼哈頓距離特征匹配的策略基于單閾值法的圖像特征匹配思想：閾值內(nèi)的所有特征均匹配特征匹配的策略基于最近鄰法的圖像特征匹配思想：閾值內(nèi)的，距離最近的特征匹配特征匹配的策略基于最近鄰比值法的圖像特征匹配思想：最近鄰距離比率在閾值內(nèi)的特征匹配最近鄰距離比率：特征匹配的評(píng)價(jià)標(biāo)準(zhǔn)預(yù)測(cè)結(jié)果真實(shí)結(jié)果匹配不匹配

匹配TP（正確肯定）FN（漏報(bào)）

不匹配FP（誤報(bào)）TN（正確否定）真陽性率：假陽性率：陽性預(yù)測(cè)值：特征匹配的評(píng)價(jià)標(biāo)準(zhǔn)理想的ROC曲線以假陽性率為橫軸，真陽性率為縱軸，隨著匹配閾值的變化，可以在二維坐標(biāo)系上得到一系列點(diǎn)，連接這些點(diǎn)可以得到ROC（ReceiverOperatingCharacteristic）曲線。暴力匹配(a)原圖像(b)原圖像視角變換后的圖像暴力匹配思想：遍歷倆幅圖像中的所有特征，尋找距離最近的一組特征匹配。優(yōu)點(diǎn)：易于理解和實(shí)施。缺點(diǎn)：準(zhǔn)確度不高，容易出現(xiàn)錯(cuò)誤匹配。暴力匹配圖像進(jìn)行暴力匹配后的結(jié)果KD-樹匹配構(gòu)造KD-樹：1、選擇特征描述符一個(gè)特征維度用于將數(shù)據(jù)點(diǎn)進(jìn)行切分；2、在選定的維度上選擇一個(gè)值，根據(jù)大小將數(shù)據(jù)點(diǎn)分為兩個(gè)子集；3、根據(jù)所劃分的兩個(gè)子集構(gòu)建左右兩個(gè)子樹；4、對(duì)于每個(gè)子樹，重復(fù)選擇劃分維度和劃分值的步驟，直到達(dá)到終止條件。查詢KD-樹：1、從根節(jié)點(diǎn)開始，在當(dāng)前維度上選擇與查詢點(diǎn)值最接近的子樹，遞歸地向下遍歷KD-樹；2、在每次訪問的節(jié)點(diǎn)上計(jì)算查詢點(diǎn)與該節(jié)點(diǎn)之間的距離3、完成對(duì)一個(gè)子樹的遍歷后，會(huì)回溯到父節(jié)點(diǎn)，并檢查另一個(gè)子樹是否可能包含更近的點(diǎn)；KD-樹匹配KD-樹匹配結(jié)果RANSAC算法RANSAC是一種通過反復(fù)選擇數(shù)據(jù)集并迭代估計(jì)出較好模型的算法。步驟：1、隨機(jī)從特征點(diǎn)匹配的數(shù)據(jù)集中隨機(jī)抽出4個(gè)樣本數(shù)據(jù)(此4個(gè)樣本之間不能共線)，然后計(jì)算出變換矩陣H，記為模型M；

變換矩陣公式：?2、計(jì)算數(shù)據(jù)集（所有特征匹配點(diǎn)）中所有數(shù)據(jù)與模型M的投影誤差，若數(shù)據(jù)的投影誤差小于設(shè)定的閾值，則將該數(shù)據(jù)加入內(nèi)點(diǎn)集I；

投影誤差：RANSAC算法3、如果當(dāng)前內(nèi)點(diǎn)集I元素的個(gè)數(shù)大于最優(yōu)內(nèi)點(diǎn)集I_best，則更新I_best=I，同時(shí)更新迭代次數(shù)k（最優(yōu)內(nèi)點(diǎn)集不一樣，對(duì)應(yīng)的更新迭代次數(shù)k也就不同)；k的計(jì)算公式：4、如果計(jì)算的迭代次數(shù)大于k（由