使用 SIFT

问题描述

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。我使用带有 SIFT 描述符的 python opencv 来做到这一点。我有一个工作原型，步骤如下：

1. 提取输入图像的 SIFT 描述符

对于每个图像：

2. 比较输入并使用 flann.knnMatch

   在两者之间找到匹配的关键点

3. 使用 Lowe's ratio 检验确定良好的关键点匹配

4. 通过计算每个好的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？

解决方法

有比 SIFT 更好的搜索图像的方法。由于我不知道您数据库中的图像，因此我只想告诉您我会怎么做而不是 SIFT 方法。

LBP（局部二进制模式）或 GLCM（灰度共生矩阵）可以加快您的解决方案。为数据库中的每幅图像计算统计数据（GLCM 或 LBPs）并将它们与索引一起存储。从现在开始，让我们称它们为图像标志。在搜索时，计算感兴趣标志图像和数据库图像标志之间的CCC（互相关系数）。按 CCC 按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。

有很多关于您的问题的论文。其中一些使用光流来查找图像。您应该找到最适合您情况的方法。