sift算法图像相似度matlab,matlab – 如何使用SIFT算法来计算如何相似的两个图像？...

首先，你不应该使用vl_sift而不是sift？

其次，可以使用SIFT特征匹配来找到两个图像中的对应关系。以下是一些示例代码：

I = imread('p1.jpg');

J = imread('p2.jpg');

I = single(rgb2gray(I)); % Conversion to single is recommended

J = single(rgb2gray(J)); % in the documentation

[F1 D1] = vl_sift(I);

[F2 D2] = vl_sift(J);

% Where 1.5 = ratio between euclidean distance of NN2/NN1

[matches score] = vl_ubcmatch(D1,D2,1.5);

subplot(1,2,1);

imshow(uint8(I));

hold on;

plot(F1(1,matches(1,:)),F1(2,matches(1,:)),'b*');

subplot(1,2,2);

imshow(uint8(J));

hold on;

plot(F2(1,matches(2,:)),F2(2,matches(2,:)),'r*');

vl_ubcmatch()本质上执行以下操作：

假设你在F1中有一个点P，你想在F2中找到“最好”的匹配。一种方法是将F1中的P的描述符与D2中的所有描述符进行比较。通过比较，我的意思是找到欧几里德距离(或两个描述符的差异的L2范数)。

然后，我在F2中找到两点，说U& V，其分别具有距离P的最低和第二最低距离(比如，Du和Dv)。

这里是Lowe推荐的：如果Dv / Du> = threshold(我在示例代码中使用1.5)，那么这个匹配是可以接受的;否则，它不明确地匹配，并且作为对应被拒绝，并且我们不匹配F2到P中的任何点。基本上，如果最佳和次优匹配之间存在很大差异，则可以期望这是一个质量匹配。

这是很重要的，因为图像中的模糊匹配有很多空间：想象湖中的匹配点或具有多个窗口的建筑物，描述符可以看起来非常相似，但是对应显然是错误的。

你可以用任何数量的方式进行匹配。你可以使用MATLAB很容易地做到自己，或者你可以通过使用KD树或近似最近的号码搜索，如FLANN，已在OpenCV实施加快速度。