5

我正在尝试使用 OpenCV 的 BRISK 实现（用于 C++），以便检查照片中是否包含图像（或图像的一部分）。例如，我拍了一张照片，然后尝试匹配它在数据库中有一组图像，我想选择最佳的相应图像（如果所有图像都不够好，则出现错误消息）。

所以，我现在只是在测试 OpenCV。我只是采用了框架中包含的样本（matching_to_many_images），并将检测器和描述符从 SURF 更改为 BRISK。

但是，我有奇怪的结果。这些是匹配的结果（BruteForce Hamming）：

蛮力汉明

蛮力汉明

第一个，场景完全不同，但有很多比赛！在第二个中，场景非常相似，但有些匹配是错误的。

我认为这是一个参数问题——因为在 BRISK 的演示视频中，结果非常重要。

4

3 回答 3

3

在使用 SIFT、SURF、BRISK 或任何其他局部描述符进行特征特征匹配时，通常会出现许多不正确的初始匹配。

由于模糊的特征或背景杂波产生的特征，这些初始匹配中的许多将是不正确的。[来自尺度不变关键点的独特图像特征]

下一步是只选择那些都同意两个图像之间的共同转换的匹配子集。这在Scale Invariant Keypoints 的独特图像特征的第 7.3 和 7.4 节中进行了解释。

于 2013-03-20T18:02:29.383 回答
3

你看过 BRISK 的 OpenCV 文档吗？我不确定您现在使用什么参数，但您可以指定阈值和八度音阶以及模式。http://docs.opencv.org/modules/features2d/doc/feature_detection_and_description.html#brisk上的文档

您也可以尝试不同的特征匹配算法，尽管在 BRISK 论文中他们似乎也使用了汉明距离

最后，出现错误的特征匹配并不出人意料。尝试不同的场景以及不同的特征参数，看看你的结果如何

于 2013-03-19T01:28:59.217 回答
3

OpenCV 教程提供了一个很好的示例，说明如何提取特征和计算单应性（一种告诉您如何将每个点从一个图像转换到另一个图像的转换）。

您可以将特征检测器/描述符替换为任何其他的，这将导致对某些转换（如旋转、缩放）或模糊或亮度变化等错误的不同鲁棒性。BRISK 的基本实现已经定义了有意义的参数。

最后但同样重要的是，如果您尝试匹配两个完全不同的图像，您会期望得到什么结果？该算法将尝试寻找相似之处，因此总是计算一个结果，即使它是无意义的并且分数非常低。请记住：垃圾输入 -> 垃圾输出。

于 2013-07-04T00:14:29.450 回答