粗匹配:
- 暴力匹配(汉明距离):顾名思义,取a图中一个点,依次计算与b图中所有点的距离,找出距离最近点
- FLANN 快速最近邻匹配:实现原理:对高维数据依次以其中一维作为划分依据将所有点构建一个KD-Tree,从集合中快速查找。效率比暴力匹配高的多。
去粗取精:匹配错误点剔除
- Lower's算法
Lowe’s算法:为了进一步筛选匹配点,来获取优秀的匹配点,这就是所谓的“去粗取精”。一般会采用Lowe’s算法来进一步获取优秀匹配点。
为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点,SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式:取a图像中的1个SIFT关键点,并找出其与b图像中欧式距离最近的前2个关键点,在这两个关键点中,如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T,则接受这一对匹配点。保证最近和次近的距离较远,尽可能保证最近的准确性。
Lowe推荐ratio的阈值为0.8,但作者对大量任意存在尺度、旋转和亮度变化的两幅图片进行匹配ÿ