4

首先，我非常了解 Sift 中特征匹配背后的理论，我的问题是一个技术问题

所以我尝试计算第一个图像的向量和第二个图像的所有向量之间的欧几里得距离，然后如果最大的两个值之间的比率大于某个阈值，则匹配

这是我的代码

distRatio = 0.5;   
for i = 1:size(des1,1)
    eucl = zeros(size(des2,1));
    for j=1:size(des2,1)
           eucl(j) = sqrt(sum((des1(i,:)-des2(j,:)).^2));
    end;

    [vals,indx] = sort(eucl);        
    if (vals(1) < distRatio * vals(2))
      match(i) = indx(1);
    else
      match(i) = 0;
    end
end;

问题是它很慢，我知道原因，因为嵌套循环很慢，有没有办法优化它？对不起，我对 Matlab 语法的经验很差。

4

1 回答 1

6

在计算欧几里德距离时，您经常可以使用的一个巧妙技巧是修改您的算法以使用平方欧几里德距离 - 这消除了不必要的昂贵的平方根函数，例如，如果您只想找到最大的或一组中的最小距离。

所以内循环可能变成：

distSquared(j) = sum((des1(i, :) - des2(j, :)).^2);

在你的情况下，改变的棘手事情是这条线

if (vals(1) < distRatio * vals(2))

这相当于

if (vals(1)^2 < (distRatio * vals(2))^2)

或者

if (vals(1)^2 < (distRatio^2) * (vals(2)^2))

如果您从而distSquared不是获取值eucl，那么您可以使用

if (valSquared(1) < (distRatio^2) * valSquared(2))

最后，您可以通过像这样重写减法来取出内部循环：

countRowsDes2 = size(des2, 1); % this line outside the loop

%... now inside the loop
    des1expand = repmat(des1(i, :), countRowsDes2, 1); % copy this row

    distSquared = sum((des1expand - des2).^2, 2);      % sum horizontally

我曾经在哪里repmat复制 row des1(i, :)，并sum使用第二个维度参数在水平维度上工作。

把它们放在一起

distRatio = 0.5;
distRatioSq = distRatio^2; % distance ratio squared
countRowsDes1 = size(des1, 1); % number of rows in des1
countRowsDes2 = size(des2, 1); % number of rows in des2

match = zeros(countRowsDes1, 1); % pre-initialize with zeros

for i = i:size(des1, 1)
    des1expand = repmat(des1(i, :), countRowsDes2, 1); % copy row i of des1
    distSquared = sum((des1expand - des2).^2, 2);      % sum horizontally

    [valsSquared, index] = sort(distSquared);

    if (valsSquared(1) < distRatioSq * valsSquared(2))
        match(i) = index(1);
    % else zero by initialization
end
于 2012-12-18T03:35:43.760 回答