如何找到空间一致的匹配 SIFT 特征？
How to find the matched SIFT features that are spatially consistent?
我从查询和数据库图像中提取了 DenseSIFT，并使用 VLFeat 按 kmeans 量化。挑战在于找到那些量化为相同视觉词并在空间上保持一致（与对象中心具有相似位置）的 SIFT 特征。我尝试了一些技巧：
- 在查询和数据库图像上的 SIFT（正常 SIFT）坐标上使用 FLANN() 并找到最近的邻居，然后比较视觉词（注意：这给出了一些不起作用的点）。
- 在SIFT坐标上使用Coherent-Point-Drift (CPD)找到匹配点（我不确定这是否是正确的解决方案）。
纠结了很多天，希望高手指点。我可以使用哪些可能的解决方案或算法来解决这个问题？
你说的这两种方法都没有达到你想要的效果。答案取决于图片中的对象。如果它的大部分是平面，那么你可以依靠估计单应性，参见 this tutorial。
如果不是这种情况，则可以使用对极约束来移除异常值/获得几何上一致的匹配，请参阅 this tutorial。如果速度在您的应用程序中很重要，还有一些其他方法可以实现这一点。
我从查询和数据库图像中提取了 DenseSIFT，并使用 VLFeat 按 kmeans 量化。挑战在于找到那些量化为相同视觉词并在空间上保持一致（与对象中心具有相似位置）的 SIFT 特征。我尝试了一些技巧：
- 在查询和数据库图像上的 SIFT（正常 SIFT）坐标上使用 FLANN() 并找到最近的邻居，然后比较视觉词（注意：这给出了一些不起作用的点）。
- 在SIFT坐标上使用Coherent-Point-Drift (CPD)找到匹配点（我不确定这是否是正确的解决方案）。
纠结了很多天，希望高手指点。我可以使用哪些可能的解决方案或算法来解决这个问题？
你说的这两种方法都没有达到你想要的效果。答案取决于图片中的对象。如果它的大部分是平面，那么你可以依靠估计单应性，参见 this tutorial。
如果不是这种情况，则可以使用对极约束来移除异常值/获得几何上一致的匹配，请参阅 this tutorial。如果速度在您的应用程序中很重要，还有一些其他方法可以实现这一点。