SURF的度量标准

Question

我正在为SURF搜索可用的指标.就像一个图像在一个尺度上与另一个图像匹配时,假设0到1,其中0表示没有相似性,1表示相同的图像.

SURF提供以下数据:

• 查询图像中的兴趣点(及其描述符)(集Q)
• 目标图像中的兴趣点(及其描述符)(集合T)
• 可以从上面的两个集合中创建使用最近邻居算法对

到目前为止,我正在尝试一些东西,但似乎没有任何效果:

1. 使用不同集合的大小的度量:d = N/min(大小(Q),大小(T))其中N是匹配的兴趣点的数量.这给出了非常相似的图像相当低的评级,例如0.32即使从Q中的约600和T中的200匹配70个兴趣点.我认为70是非常好的结果.我正在考虑使用一些对数缩放,所以只有非常低的数字会得到低的结果,但似乎无法找到正确的方程式.随着d = log(9*d0+1)我得到的0.59的结果这是非常好的,但是,它仍然有种破坏SURF的力量.

2. 使用成对距离的度量标准:我做了一些事情,比如找到K最佳匹配并添加它们的距离.两个图像相似的距离最小.这个问题是我不知道兴趣点描述符元素的最大值和最小值是什么,从中计算了距离,因此我只能相对地找到结果(来自许多最好的输入).正如我所说,我希望将度量标准精确地放在0和1之间.我需要将其与其他图像指标进行比较.

这两个问题的最大问题是排除另一个问题.一个没有考虑匹配的数量,另一个没有考虑匹配之间的距离.我迷路了.

编辑:对于第一个,log(x*10 ^ k)/ k的等式,其中k是3或4,大多数时候给出一个很好的结果,min不好,它可以使d大于1 in一些罕见的情况,没有它的小结果又回来了.

Answer 1

您可以轻松创建指标,该指标是两个指标的加权总和.使用机器学习技术来学习适当的权重.

您所描述的内容与基于内容的图像检索领域密切相关,这是一个非常丰富多样的领域.谷歌搜索将获得大量的点击率.虽然SURF是一种出色的通用低中级特征探测器,但远远不够.SURF和SIFT(SURF的衍生源)在重复或接近重复的检测方面非常出色,但在捕获感知相似性方面并不是那么出色.

性能最佳的CBIR系统通常利用通过一些训练集最佳组合的一组特征.一些有趣的探测器包括GIST(最好用于检测人造和自然环境的快速廉价探测器)和Object Bank(基于直方图的探测器本身由100个物体探测器输出组成).