MSER特征的匹配算法？

我在寻找MSER特征点，然后将它们与matchFeatures函数配对。

% file1 = 'roofs1.jpg'; 
% file2 = 'roofs2.jpg'; 

file1 = 'cameraman.tif'; 


I1 = imread(file1); 

%I2 = imread(file2); 
I2 = imrotate(I1, 45); 

% I1 = rgb2gray(I1); 
% I2 = rgb2gray(I2); 

% %Find the SURF features. 
% points1 = detectSURFFeatures(I1); 
% points2 = detectSURFFeatures(I2); 

points1 = detectMSERFeatures(I1); 
points2 = detectMSERFeatures(I2); 

%Extract the features. 
[f1, vpts1] = extractFeatures(I1, points1); 
[f2, vpts2] = extractFeatures(I2, points2); 

%Retrieve the locations of matched points. The SURF featurevectors are already normalized. 
indexPairs = matchFeatures(f1, f2, 'Prenormalized', true) ; 
matched_pts1 = vpts1(indexPairs(:, 1)); 
matched_pts2 = vpts2(indexPairs(:, 2)); 


figure; showMatchedFeatures(I1,I2,matched_pts1,matched_pts2,'montage'); 
legend('matched points 1','matched points 2');

显然，它工作正常

enter image description here

但怎么可能呢？ MSERRegions只包含椭圆。他们如何配对？这显然是不够的信息！

UPDATE

我发现extractFeatures功能从MSER点返回SURF特征向量。所以它比较了64维SURF向量。

来源

2013-07-29 Suzan Cioc

在这种情况下，MSER区域的质心被简单地用作提取SURF描述符的兴趣点。默认情况下，如果您通过MSERRegions到extractFeatures，您将获得SURF描述符。但是，MSER区域可用于其他事情，例如检测图像中的文本。

来源

2013-10-17 19:45:20 Dima

此外，对于MSER“关键点”使用SURF描述符没有任何意义。实际上，可以认为SURF所针对的descritiveness在这些点上非常糟糕，因为它们位于相当均匀的区域。 – DrPepperJo

我不同意。 MSER区域不一定是没有纹理的紧凑斑点。你可以有一个形状奇怪的MSER区域，如一个字母或数字，如果你计算一个以其中心为中心的SURF描述符，它可能会是独特的。 – Dima

我猜“可能”是这里的关键字。我没有看到使用MSER位置进行点描述符提取的重点。 – DrPepperJo

MSER特征的匹配算法？

回答

相关问题