Как использовать, ОТСЕИВАЮТ алгоритм, чтобы вычислить, как подобные два изображения?

Во-первых, разве вы не должны использовать vl_sift вместо sift?

Во-вторых, вы можете использовать сопоставление функций SIFT, чтобы найти соответствия в двух изображениях. Вот пример кода:

    I = imread('p1.jpg');
    J = imread('p2.jpg');

    I = single(rgb2gray(I)); % Conversion to single is recommended
    J = single(rgb2gray(J)); % in the documentation

    [F1 D1] = vl_sift(I);
    [F2 D2] = vl_sift(J);

    % Where 1.5 = ratio between euclidean distance of NN2/NN1
    [matches score] = vl_ubcmatch(D1,D2,1.5); 

    subplot(1,2,1);
    imshow(uint8(I));
    hold on;
    plot(F1(1,matches(1,:)),F1(2,matches(1,:)),'b*');

    subplot(1,2,2);
    imshow(uint8(J));
    hold on;
    plot(F2(1,matches(2,:)),F2(2,matches(2,:)),'r*');

vl_ubcmatch () по существу делает следующее:

Предположим, у вас есть точка P в F1, и вы хотите найти «лучшее» совпадение в F2. Один из способов сделать это - сравнить дескриптор P в F1 со всеми дескрипторами в D2. Под сравнением я подразумеваю найти евклидово расстояние (или L2-норму разности двух дескрипторов).

Затем я нахожу две точки в F2, скажем U и V, которые имеют наименьшее и второе наименьшее расстояние ( скажем, Du и Dv) от P.

Вот что рекомендовал Лоу: если Dv / Du> = threshold (я использовал 1.5 в примере кода), то это соответствие приемлемо; в противном случае это ' s неоднозначно совпадают и отклоняются как соответствие, и мы не сопоставляем ни одной точки в F2 с P. По сути, если есть большая разница между лучшим и вторым лучшим совпадением, вы можете ожидать, что это будет качественное совпадение.

Это важно, поскольку на изображении есть много возможностей для неоднозначных совпадений: представьте себе совпадение точек в озере или здании с несколькими окнами, дескрипторы могут выглядеть очень похожими, но соответствие явно неверное.

Вы можете выполните сопоставление любым количеством способов ... вы можете сделать это самостоятельно с помощью MATLAB или ускорить его, используя KD-дерево или приближенный поиск ближайшего числа, например FLANN , который был реализован в OpenCV .

РЕДАКТИРОВАТЬ: Кроме того, в MATLAB .

есть несколько реализаций kd-tree. t сопоставить любую точку в F2 с P. По сути, если есть большая разница между лучшим и вторым лучшим совпадением, вы можете ожидать, что это будет качественное совпадение.

Это важно, поскольку на изображении есть много возможностей для неоднозначных совпадений: представьте себе совпадение точек в озере или здании с несколькими окнами, дескрипторы могут выглядеть очень похожими, но соответствие явно неверное.

Вы можете выполните сопоставление любым количеством способов ... вы можете сделать это самостоятельно с помощью MATLAB или ускорить его, используя KD-дерево или приблизительный поиск ближайшего числа, например FLANN , который был реализован в OpenCV .

РЕДАКТИРОВАТЬ: Кроме того, в MATLAB .

есть несколько реализаций kd-tree. t сопоставить любую точку в F2 с P. По сути, если есть большая разница между лучшим и вторым лучшим совпадением, вы можете ожидать, что это будет качественное совпадение.

Это важно, поскольку на изображении есть много возможностей для неоднозначных совпадений: представьте себе совпадение точек в озере или здании с несколькими окнами, дескрипторы могут выглядеть очень похожими, но соответствие явно неверное.

Вы можете выполните сопоставление любым количеством способов ... вы можете сделать это самостоятельно с помощью MATLAB или ускорить его, используя KD-дерево или приблизительный поиск ближайшего числа, например FLANN , который был реализован в OpenCV .

РЕДАКТИРОВАТЬ: Кроме того, в MATLAB .

есть несколько реализаций kd-tree. Поскольку разница между лучшим и вторым лучшим совпадением большая, вы можете ожидать, что это будет качественный матч.

Это важно, поскольку в изображении есть много возможностей для неоднозначных совпадений: представьте, что совпадают точки в озере или здании с несколькими окнами, дескрипторы могут выглядеть очень похожими, но соответствие явно неверное.

Вы можете выполните сопоставление любым количеством способов ... вы можете сделать это самостоятельно с помощью MATLAB или ускорить его, используя KD-дерево или приблизительный поиск ближайшего числа, например FLANN , который был реализован в OpenCV .

РЕДАКТИРОВАТЬ: Кроме того, в MATLAB .

есть несколько реализаций kd-tree. Поскольку разница между лучшим и вторым лучшим совпадением большая, вы можете ожидать, что это будет качественный матч.

Это важно, поскольку на изображении есть много возможностей для неоднозначных совпадений: представьте себе совпадение точек в озере или здании с несколькими окнами, дескрипторы могут выглядеть очень похожими, но соответствие явно неверное.

Вы можете выполните сопоставление любым количеством способов ... вы можете сделать это самостоятельно с помощью MATLAB или ускорить его, используя KD-дерево или приближенный поиск ближайшего числа, например FLANN , который был реализован в OpenCV .

РЕДАКТИРОВАТЬ: Кроме того, в MATLAB .

есть несколько реализаций kd-tree.