使用 SIFT 将图像与数据库匹配
Match image with database using SIFT
我目前正在开发一个 python 程序，该程序将输入图像与数据库中最接近的图像相匹配。我使用 python opencv 和 SIFT 描述符来这样做。我有一个工作原型，包含以下步骤：
- 提取输入图像的 SIFT 描述符
每张图片：
与输入进行比较并使用flann.knnMatch
找到两者之间匹配的关键点
使用 Lowe 的比率测试确定良好的关键点匹配
通过计算每个良好关键点匹配的平均距离来计算每个图像的分数
得分最低的图像将是最佳匹配。我的方法似乎很慢，尤其是对于较大的数据库。
如果这是正确的方法，是否有更快的方法将图像与数据库匹配？
有比 SIFT 更好的图像搜索方法。由于我不知道你数据库中的图像，我只想告诉你我会怎么做而不是 SIFT 方法。
LBP（局部二进制模式）或GLCM（灰度共现矩阵）可以加快您的解决方案。为数据库中的每个图像计算统计数据（GLCM 或 LBPs），并用 indexing.Lets 存储它们，从现在开始称它们为图像符号。在搜索时，计算感兴趣图像符号与数据库图像符号之间的CCC（互相关系数）。按 CCC 降序对它们进行排序。我只是假设您要匹配的图像具有相对较小的基线和相机角度差异。类似 SIFT 的方法不适用于高度旋转的图像。
关于您的问题的论文很多。其中一些使用光流来查找图像。你应该找到最适合你的情况。
我目前正在开发一个 python 程序，该程序将输入图像与数据库中最接近的图像相匹配。我使用 python opencv 和 SIFT 描述符来这样做。我有一个工作原型，包含以下步骤：
- 提取输入图像的 SIFT 描述符
每张图片：
与输入进行比较并使用
找到两者之间匹配的关键点flann.knnMatch使用 Lowe 的比率测试确定良好的关键点匹配
通过计算每个良好关键点匹配的平均距离来计算每个图像的分数
得分最低的图像将是最佳匹配。我的方法似乎很慢，尤其是对于较大的数据库。
如果这是正确的方法，是否有更快的方法将图像与数据库匹配？
有比 SIFT 更好的图像搜索方法。由于我不知道你数据库中的图像，我只想告诉你我会怎么做而不是 SIFT 方法。
LBP（局部二进制模式）或GLCM（灰度共现矩阵）可以加快您的解决方案。为数据库中的每个图像计算统计数据（GLCM 或 LBPs），并用 indexing.Lets 存储它们，从现在开始称它们为图像符号。在搜索时，计算感兴趣图像符号与数据库图像符号之间的CCC（互相关系数）。按 CCC 降序对它们进行排序。我只是假设您要匹配的图像具有相对较小的基线和相机角度差异。类似 SIFT 的方法不适用于高度旋转的图像。
关于您的问题的论文很多。其中一些使用光流来查找图像。你应该找到最适合你的情况。