sift - SIFT-画像比較

Question

Stephan Saalfeld による sift 実装を使用して、Java で SIFT を使用して 2 つの画像を比較しています - http://fly.mpi-cbg.de/~saalfeld/Projects/javasift.html。しかし、適切な例がないため、使用するのが難しいと感じています。2 つの画像の記述子を取得し、対応する一致する記述子を取得し、最後に RANSAC を適用して誤った一致を無視することができます。今、私は多くのインライアを残しています。しかし、2 つの画像が似ているかどうかを判断する方法がわかりません。

Answer 1

RANSAC は、変換行列 (平行移動、回転、スケーリングの値を含む) を提供します。この情報を使用して、SIFT によって検出された一致を確認するために、画像を相互に適合させることができます。

RANSAC の利点は、モデル パラメーターのロバストな推定を実行できることです。つまり、データ セットにかなりの数の異常値が存在する場合でも、高い精度でパラメーターを推定できます。RANSAC の欠点は、これらのパラメーターの計算にかかる時間に上限がないことです。計算される反復回数が制限されている場合、得られる解は最適ではない可能性があり、データに適切に適合する解でさえない可能性があります。このように、RANSAC はトレードオフを提供します。より多くの反復を計算することにより、妥当なモデルが生成される確率が高くなります。RANSAC のもう 1 つの欠点は、問題固有のしきい値を設定する必要があることです。RANSAC は、特定のデータ セットに対して 1 つのモデルのみを推定できます。2 つ (またはそれ以上) のモデル インスタンスが存在する場合の 1 つのモデル アプローチに関しては、RANSAC はいずれかを見つけることができない場合があります。ハフ変換は、複数のモデル インスタンスが存在する場合に役立つ代替のロバスト推定手法です。

結論として、2 つの画像がどの程度似ているかを判断できます。それが完全に一致するか完全に異なるかを常に示すとは限りません。したがって、RANSAC を適用した後に一致が得られます。次に、一致の総数に対する適切な一致の割合を確認し、この情報に従って決定する必要があります。