2

我有 2 张图像，我正在使用 SIFT 来查找匹配的特征。我通过阈值选择了最佳匹配。这样做之后，我尝试使用 RANSAC 来有效地确定两张图片之间的仿射变换矩阵。

根据我对过程的理解（以及互联网上的十亿张幻灯片）：

  1. 选择 3 个随机对应（计算仿射变换所需的最小值）。

  2. 估计 A。

  3. 计算内点。

对 N 次试验执行此操作，并选择产生最少内点的 A。

我如何具体计算内点数？

不幸的是，所有示例都集中在回归上（例如找到 2 个点并通过它们拟合一条线，然后根据一些距离进行计数。但在这种情况下，我们谈论的是 3 个对应关系，“线”在这里没有意义。

我在某处读到我们可以使用高斯对噪声进行建模，但我想知道如何进行。

4

1 回答 1

0

RANSAC 很简单。测量第二张图像中“应该”的点（使用 3 点假设）与其所在位置之间的距离。对于 2 个图像之间的对称性，您可能需要在两个方向上添加平方误差。然后只需应用一个阈值来计算内点。

一旦你找到了最好的假设，你就可以通过回归来改进它。您正在尝试最小化图像坐标中的平方误差（仅适用于内点）。对称地做这件事听起来很棘手和非线性（另一个回答者可能会纠正我！），但如果变换非常接近相似性，我想一个人可以通过一种方式来作弊，也可以通过独立处理第二张图像中的 x 和 y . 然后它变成一对线性回归来找到变换矩阵的每一半。

于 2017-10-28T12:48:59.130 回答