2

我正在研究基于 SIFT 流从一组图像中计算密集 SIFT 特征的代码：http: //people.csail.mit.edu/celiu/SIFTflow/

我想通过比较 SIFT 流表示中每个图像之间的“能量”来尝试在这些图像上建立一个 FLANN 索引。

我有从这里计算能量的代码：http ://richardt.name/publications/video-deanaglyph/

有没有办法为索引创建我自己的距离函数？

相关说明：

我终于能够获得与 flann::Index 一起使用的备用（但不是自定义）距离函数。诀窍是你需要像这样使用 flann::GenericIndex ：

flann::GenericIndex<cvflann::ChiSquareDistance<int>> flannIndex(descriptors, cvflann::KDTreeIndexParams());

但是你需要给它CV_32S描述符。

如果您使用带有自定义距离函数的 knnSearch，则必须提供CV_32S结果 Mat 和CV_32F距离 Mat。

这是我的完整代码，以防万一有用（那里没有很多文档）：

    Mat samples;
    loadDescriptors(samples); // loading descriptors from .yml file

    samples *= 100000; // scaling up my descriptors to be int
    samples.convertTo(samples, CV_32S); // convert float to int

    // create flann index
    flann::GenericIndex<cvflann::ChiSquareDistance<int>> flannIndex(samples, cvflann::KDTreeIndexParams());
    // NOTE lack of distance type in constructor parameters
    // (unlike flann::index)

    // now try knnSearch 

    int k=10; // find 10 nearest neighbors

    Mat results(1,10,CV_32S), dists(1,10,CV_32F);
    // (1,10) Mats for the output, types CV_32S and CV_32F

    Mat responseHistogram;
    responseHistogram = samples.row(60); 
    // choose a random row from the descriptors Mat
    // to find nearest neighbors

    flannIndex.knnSearch(responseHist, results, dists, k, cvflann::SearchParams(200) );

    cout << results << endl;
    cout << dists << endl;

    flannIndex.save(ofToDataPath("indexChi2.txt"));

实际上，使用卡方对我来说似乎比 L2 距离更有效。在这种情况下，我的特征向量是 BoW 直方图。

4

0 回答 0