OpenCV - SURF 功能比较答案

【问题标题】：OpenCV - SURF Feature ComparisonOpenCV - SURF 功能比较
【发布时间】：2024-01-21 16:12:01
【问题描述】：

我很好奇OpenCV 特征描述符是如何比较的。例如，我可以使用cvExtractSURF() 获取功能列表及其 64 位（或 128 位）描述符，我在哪里可以找到如何比较两个描述符？

在逐步执行一些示例代码时，在我看来，我的两个“匹配”功能具有非常不同的描述符（至少在数值上）。

有没有人弄清楚如何获取两个描述符数组并比较它们？

谷歌搜索并没有太大帮助......

干杯，布雷特

【问题讨论】：

标签： c++ objective-c graphics opencv computer-vision

【解决方案1】：

您可能想查看论文Local invariant feature detectors: a survey。这是一篇很棒的论文，描述了广泛使用的特征检测器，包括 SURF。

【讨论】：

我真的看到了那篇论文。我希望看到它的代码，所以我可以看到它是如何实际实现的。然而，这些学术论文似乎都没有开源他们的代码。令人失望的是，重新发明他们的工作绝非易事。

【解决方案2】：

在 OpenCV 2.1 示例文件 find_obj.cpp 中，提出了两种方法：

内置的 C++ Flann 函数（flann 提供近似解决方案并且工作速度更快），我不知道它是如何工作的，但它记录在 here。
一个更简单的 C 函数 (findPairs())，它通过计算描述符之间的简单欧几里德距离来找到最近的邻居（查看 compareSURFDescriptors() 函数）。拉普拉斯算子也可以用作相似性的第一个指标，因为匹配点具有不同的拉普拉斯算子（1 或 -1）。此示例可用here。

【讨论】：

【解决方案3】：

我发现的一种有效方法（这受到一些 OpenCV 示例代码的启发）是 - 使用 K=2 的 k 最近邻搜索为查询对象中的每个描述符找到 2 个匹配项。现在，如果 distance(1st match)

您需要这个以及为什么简单的 1 个最近邻搜索还不够的原因是因为这会产生很多误报。

【讨论】：

【解决方案4】：

SURF 特征是 64 维的单位向量。比较两个特征向量的一种自然方法是计算它们的点积。如果接近 1，则它们具有很强的正相关性（=它们相似）。如果它接近 0，则它们几乎是正交的（无相关性）。如果它小于零，则它们具有负相关性。根据您的应用程序，您可能也认为匹配（在这种情况下，您将采用点积的绝对值）或认为它比正交更差。

尝试计算一些点积，看看会得到什么结果。

【讨论】：

我不确定这是 OpenCV 搜索匹配特征的方式。我计算了 OpenCV 认为匹配和不匹配的点集的点积，点积到处都是。