圖像的特征點(diǎn)匹配概述

特征點(diǎn)匹配原理

如果提取的兩個特征點(diǎn)描述矢量間距離很小，這兩個特征點(diǎn)在對應(yīng)場景的同一位置，特征點(diǎn)匹配技術(shù)就是利用這個原理，從兩組特征點(diǎn)集合中找到兩輛距離最近的特征點(diǎn)匹配對，這個匹配對對應(yīng)的是場景同一個位置。
特征點(diǎn)匹配問題可以歸結(jié)為一個通過<font color=blue>距離函數(shù)</font>在高維矢量之間進(jìn)行相似性檢索的問題。針對度量空間設(shè)計的索引結(jié)構(gòu)算法在進(jìn)行相似度查詢時只利用了距離函數(shù)的三角不等式性質(zhì)，所以使用更加普遍。

特征匹配算子

1. 窮舉法: 將數(shù)據(jù)集中的點(diǎn)與查詢點(diǎn)逐一進(jìn)行距離比較。所以優(yōu)點(diǎn)是不需要進(jìn)行任何的數(shù)據(jù)預(yù)處理，操作也很簡單。但是它沒有利用數(shù)據(jù)集本身蘊(yùn)含的任何結(jié)構(gòu)信息，搜索效率相對較低。
2. <font color=blue>建立數(shù)據(jù)索引</font>:先進(jìn)行預(yù)處理即建立數(shù)據(jù)索引，然后在進(jìn)行快速匹配。因?yàn)閷?shí)際數(shù)據(jù)一般都會呈現(xiàn)出簇狀的聚類形態(tài)，他通過設(shè)計有效的索引結(jié)構(gòu)可以大大加快檢索的速度。

索引結(jié)構(gòu)的算法舉例

1. 索引樹結(jié)構(gòu)：對搜索空間進(jìn)行層次劃分，如果劃分出的空間沒有重疊叫Clipping法，比如<font color=blue>K-d樹</font>，如果有重疊叫Overlapping法，比如R-樹
2. Hash法
3. 空間填充曲線法

相似性查詢的方式

索引結(jié)構(gòu)中相似性查詢有兩種基本方式：

1. 范圍查詢：從數(shù)據(jù)集中找出所有與查詢點(diǎn)距離小于給定距離閾值的數(shù)據(jù)。
2. <font color=blue>k-近鄰查詢</font>：從數(shù)據(jù)集中找到距離查詢點(diǎn)最近的k個數(shù)據(jù)，當(dāng)k=1時，它就是最近鄰查詢。

kd-樹算法

kd-樹是對數(shù)據(jù)點(diǎn)在k維空間中劃分的一種數(shù)據(jù)結(jié)構(gòu)。是一個二叉樹，每個節(jié)點(diǎn)表示的是一個空間范圍。

構(gòu)建二叉樹

kd-樹種每個結(jié)點(diǎn)的數(shù)據(jù)類型，kd-樹是一種二叉排序樹

節(jié)點(diǎn)數(shù)據(jù)結(jié)構(gòu)

構(gòu)建kd樹的流程圖

start=>start: 特征點(diǎn)數(shù)據(jù)集
op1=>subroutine: 展開kd-樹
start->op1
op2=>operation: 選擇最大方差的維數(shù)賦給split
op1->op2
op3=>operation: 選取split維的中值作為閾值根節(jié)點(diǎn)
op2->op3
con=>condition: 數(shù)據(jù)小于中值
op3->con
op4=>operation: 左子樹特征數(shù)據(jù)
op5=>operation: 右子樹特征數(shù)據(jù)
sub1=>subroutine: 展開左子樹
sub2=>subroutine: 展開右子樹
con(yes)->op4->sub1
con(no)->op5->sub2

匹配對提純