特徵點匹配

一、特徵點（角點）匹配

影象匹配能夠應用的場合非常多，如目標跟蹤，檢測，識別，影象拼接等，而角點匹配最核心的技術就要屬角點匹配了，所謂角點匹配是指尋找兩幅影象之間的特徵畫素點的對應關係，從而確定兩幅影象的位置關係。
角點匹配可以分為以下四個步驟：
1、提取檢測子：在兩張待匹配的影象中尋找那些最容易識別的畫素點（角點），比如紋理豐富的物體邊緣點等。
2、提取描述子：對於檢測出的角點，用一些數學上的特徵對其進行描述，如梯度直方圖，區域性隨機二值特徵等。檢測子和描述子的常用提取方法有：sift，harris，surf，fast，agast，brisk，freak，brisk，brief/orb等。
3、匹配：通過各個角點的描述子來判斷它們在兩張影象中的對應關係，常用方法如 flann等。
4、消噪：去除錯誤匹配的外點，保留正確的匹配點。常用方法有kdtree，bbf，ransac，gtm等。
二、sift匹配方法的提出
為了排除因為影象遮擋和背景混亂而產生的無匹配關係的關鍵點，sift的作者lowe提出了比較最近鄰距離與次近鄰距離的sift匹配方式：取一幅影象中的乙個sift關鍵點，並找出其與另一幅影象中歐式距離最近的前兩個關鍵點，在這兩個關鍵點中，如果最近的距離除以次近的距離得到的比率ratio少於某個閾值t，則接受這一對匹配點。因為對於錯誤匹配，由於特徵空間的高維性，相似的距離可能有大量其他的錯誤匹配，從而它的ratio值比較高。顯然降低這個比例閾值t，sift匹配點數目會減少，但更加穩定，反之亦然。
lowe推薦ratio的閾值為0.8，但作者對大量任意存在尺度、旋轉和亮度變化的兩幅進行匹配，結果表明ratio取值在0. 4~0. 6 之間最佳，小於0. 4的很少有匹配點，大於0. 6的則存在大量錯誤匹配點，所以建議ratio的取值原則如下:
ratio=0. 4：對於準確度要求高的匹配；
ratio=0. 6：對於匹配點數目要求比較多的匹配；
ratio=0. 5：一般情況下。

opencv特徵點匹配（暴力匹配優化）

1.knnmatch 方法，而k 1，返回一對匹配子，這個方法只返回最接近的距離的一對匹配子，當有足夠多的匹配子的時候，這種方法通常能夠產生最好的結果和最小的誤差。2.dmatch類 struct cv exports w dmatch 1 cv wrap dmatch int queryidx,i...

sift演算法特徵點如何匹配？

我需要把一張 和訓練集中的進行匹配。我把一張 提取特徵值並建立kd樹，然後把訓練集的依次讀進來，然後把的特徵點依次放進kd樹裡面找最近的點，第乙個問題就是這2個點的距離，方向之比，長度之比在什麼範圍內算是匹配的？第二個問題是匹配的特徵點與總共的特徵點之比達到什麼範圍就可以認為2幅是匹配的？第三個問題...

Opencv學習筆記（三） 特徵點匹配

在我們提取到帶特徵點和得到特徵描述符後，接下來的工作就是將這些個特徵點進行匹配。一 特徵點匹配位於feature2d的模組中所以在使用的時候應該在標頭檔案中加入 include features2d features2d.hpp 在這個模組中用有三個類 它們的繼承關係如下 對於特徵點匹配有兩種方法 ...