與SIFT匹配（概念）

Question

我有兩個真實世界的圖像。 （重要）我大約知道一個現實世界到另一個世界的轉變。由於紋理問題，我沒有在兩幅圖像之間獲得足夠的匹配。如何使用SIFt將轉換信息納入考慮範圍以獲得更多正確的匹配。 任何想法都會有所幫助。

Answer 1

您是否嘗試了其他方法？你確定SIFT是答案嗎？首先，OpenCV提供了SIFT等工具。 （目前，我不能說OpenCV足夠高）。

如果我解決這個問題，我先試試：

1. 下采樣的兩個圖像，以減少「質感」的影響，即cvPyrDown。
2. 執行一些特徵檢測：邊緣檢測等。OpenCV提供了一個Harris角點檢測器等。谷歌「cvGoodFeaturesToTrack」的一些細節。
3. 如果您對轉換有很好的信心，請利用您的信息，並查找與轉換後的位置相對應的鄰域中的特徵。

如果你仍然想看看SIFT或SURF，OpenCV也提供這些功能。

Answer 2

如果您知道變換，則應用變換，然後將SURF/SIFT應用於變換後的圖像。這是擴展特徵描述符/匹配器跨越大視角變化的魯棒性的一種標準方式。

Answer 3

還有另一種替代方案：

在SIFT參數，對比閾值被設定爲0.04。如果減少，並將其設置爲下值（0.02,0.01） SIFT會發現更多足夠的匹配：

SIFT（INT n功能= 0時，INT nOctaveLayers = 3，雙contrastThreshold = 0.04，雙邊緣閾值= 10，雙西格瑪= 1.6）

Answer 4

我認爲的第一步是嘗試使用SIFT算法的設置，以找到與您的問題相關的最佳效率。

另一種更有效使用SIFT的方法是將色彩信息添加到SIFT。因此，您可以將描述符中正在使用的點的顏色信息（RGB）添加到其中。例如，如果您的描述符大小爲10x128，則表明您在每個描述符中使用了10個點。現在您可以提取並添加三列，並將尺寸設置爲10x（128 + 3）[每個點的R-G-B]。這樣SIFT算法將會更有效率。但請記住，您需要對您的描述符應用權重，並使最後三列比其他128列更強。其實我不知道你的情況如何圖像。但這種方法幫了我很多。你可以看到這個修改使得SIFT比以前更強大。 類似的實現可以找到here。