1

我的项目是基于android的草药识别。我使用 ORB 来获取关键点、特征和匹配特征。

我想使用这个算法：

  1. 我使用 4 个参考图像，并将它们的特征 image1 与 image1、1-2、1-3、1-4、2-3、3,4 匹配。
  2. 然后我将到数据库的最小和最大距离存储为阈值。（最小阈值 = 总最小值/6）
  3. 当我识别出新图像时，我会将新的最小和最大距离与数据库中的距离进行比较。但我不知道该怎么做。

{

for (j=MinID; j<=MaxID; j++){
                        MatOfDMatch matches = DetectUtility.match(features, matFromJson(DB.GetORBFitur(j)));
                        List<DMatch> matchesList = matches.toList();
                        Double max_dist = 0.0;
                        Double min_dist = 100.0;
                        for (int i = 0; i < matchesList.size(); i++){
                            Double dist = (double) matchesList.get(i).distance;
                            if (dist < min_dist && dist != 0){
                                min_dist = dist;
                            }
                            if (dist > max_dist){
                                max_dist = dist;
                            }
                        }

从这个站点，我得到这个代码：

//-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist )
std::vector< DMatch > good_matches;

for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < 3*min_dist )
 { good_matches.push_back( matches[i]); }
}

如何获得那个神奇的数字 3？我必须怎么做才能达到最大距离？

我想要使​​用的算法，我之前使用过使用不变矩和城市街区距离来匹配具有最小距离的图像。

4

1 回答 1

8

我也不知道。距离是特征点相似度的度量，越少越好。原始ORB 论文（下图 5）显示了好匹配和坏匹配的距离分布。可以肯定地说，“良好”的距离阈值约为 64。 ORB 的距离分布

所以更正确的是：

double dist_th = 64;
for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < dist_th )
 { good_matches.push_back( matches[i]); }
}

然后你仍然必须使用 RANSAC 来过滤不一致的匹配。因此，最简单的解决方案是将您的查询图像与所有 4 个数据库图像进行匹配。

但我建议你使用一些分类器，而不仅仅是匹配。看看这个人的方法（它有效，我认识他） - http://cmp.felk.cvut.cz/~sulcmila/

于 2014-04-04T09:24:11.860 回答