最近在看图像匹配方面的资料,图像匹配的主要步骤是:
1.提取特征点:在两张待匹配的图像中寻找最容易识别的像素点,如角点或者纹理丰富的物体边缘点。
2.特征点描述子:对于检测出的特征点,用一些数学上的特征对其进行描述。常 用的描述子类型有FAST,SIFT,SURF,ORB,HARRIS,FREAK。
3.特征点之间的匹配:计算两幅图像中特征点的相似度,如欧氏距离、Hausdoff、马氏距离等。
4.去除错误匹配的点:对匹配上的点进行筛选,保留正确匹配点。常用的方法:Ransac,GTM。
用了SIFT做匹配,发现匹配的效果不理想,并且在cv里是nonfree的,找到的keypoint非常多,需要对找到的关键点进行筛选。继续找资料发现了ORB和FREAK,听说FREAK比SURF和ORB更牛X,模拟的是人眼的视网膜成像原理。ORB论文资料还没仔细看,博友的说法是:用FAST作为特征点提取的算法,FAST提取特征点的速度是很快,并在此基础上添加特征点的主方向,使得ORB具有