冲浪/筛选/模板匹配

Question

我想使用sift / surf进行模板匹配。图像可以有1 ... n个目标。 使用冲浪/筛选只能提取一个目标。一个想法可以是许多细分中的细分图像，然后寻找筛选/冲浪匹配。它的工作原理但显然由于速度和努力而不理想。有没有替代方法？ /任何人都有缩放和旋转不变模板匹配的源代码。 的问候，

Answer 1

如果我正确理解你的意思（请提供更多信息），你有N 平面图像对象。您想从N个图像中提取SIFT / SURF特征，并将所有特征放在某种容器中（高维最近邻居的数组或加速度数据结构）。处理给定图像时，可以提取SIFT（或SURF）要素，并为每个要素搜索容器中最接近的要素。您最终得到了一对对象列表（来自当前图像的特征，来自容器的特征）。现在，您必须应用一些强大的模型估计器（例如RANSAC）来构造单应性。如果能够找到一个好的单应性（至少10个，12个内点），你将确保你的目标在那里。显然，给定特征对的数组，您可以将它细分为组，其中每个组是数据库的N个平面图像对象之一（这不是最好的方法，可能您应该关联到从中提取的每个特征）当前图像到数据库的k个特征，并使用某种形式的投票方案来确定哪些是对，但这样做的事情变得更加复杂）。 所以，一般来说，你必须做出一些决定：

• 要使用的功能（SIFT？SURF？其他？）
• 稳健模型估算器（RANSAC？PROSAC？MLSAC？）
• 计算单应性时要考虑的几何因素（利用 单应性与两个平面对象中的点相关联的事实）
• 您将用于加速搜索的多维数据结构
• 如何计算单应性（好吧，可能只有一种方法：标准化DLT）

如果您的对象不是平面的，则问题更加困难，因为3D刚性对象可能会随着视点的变化而变化。要描述它，您将需要K图像而不是一个。这样做更具挑战性，因为随着N和K的增长，识别率下降。可能还有其他更好的方法。我强烈建议使用谷歌相关文献进行检查。