画像を比較するためにopencvにSIFTを実装しました...比較するためのプログラムをまだ作成していません.同じためにFLANNを使用することを考えています.しかし、私の問題は、記述子の128要素を調べて、画像とその回転バージョンの類似性。
Lowe の論文を読むと、記述子の座標がキーポイントの向きに関してすべて回転していることは理解できますが、類似度はどのくらい正確に得られるのでしょうか。
助けてください...これは私のプロジェクトのプレゼンテーション用です。
画像を比較するためにopencvにSIFTを実装しました...比較するためのプログラムをまだ作成していません.同じためにFLANNを使用することを考えています.しかし、私の問題は、記述子の128要素を調べて、画像とその回転バージョンの類似性。
Lowe の論文を読むと、記述子の座標がキーポイントの向きに関してすべて回転していることは理解できますが、類似度はどのくらい正確に得られるのでしょうか。
助けてください...これは私のプロジェクトのプレゼンテーション用です。
最初に Lowe のメトリックを使用して、2 つのイメージ間の推定上の一致を計算できます。メトリックは、イメージ 1 の任意の記述子 de について、イメージ 2 のすべての記述子 de' までの距離を見つけることです。2 番目に近い距離に対する最も近い距離の比率がしきい値を下回っている場合は、それを受け入れます。
この後、RANSAC または他の形式のロバスト推定またはハフ変換を実行して、推定上の一致として受け入れたキーポイントの位置、方向、およびスケールに関して幾何学的な一貫性をチェックできます。
あなたが探しているのは基本的にASIFTです
私の記憶が正しければ、SIFT は、各関心点を説明する 128 値の記述子のセットを提供します。また、各画像の各ポイントの位置と、その「方向」(論文では「方向」が何と呼ばれているか忘れました) と各画像の縮尺もわかります。
記述子が一致する 2 つの点が見つかったら、座標と方向を比較することで、一方の画像の関心点から他方の画像の同じ点への変換を計算できます。
十分な数の一致がある場合、すべて (または大部分) の関心点が同じ変換を持っているかどうかがわかります。一致する場合、イメージは似ていますが、そうでない場合、イメージは異なります。
お役に立てれば...