确定MatLab中

Question

SURF点的最大簇我有两个图像：

我一只小狗（现场）和它的鼻子小作物（目标）的大图像为目标和场景收集SURF点，然后匹配它们。

什么是确定最大的集群匹配的冲浪点最好的办法：我已经显示如下的场景图像上最好的比赛吗？

在这个例子中，所有的点都很好地聚类。但是，在其他一些例子中，我想排除几个异常值。

谢谢。

更新： KDE对我很好。谢谢大家，那很好。

Answer 1

您不需要聚类分析。

想要查找的是最高密度的区域。这可能是真正匹配的地方。

密度估计有许多方法，特别是对于低维度。考虑核密度估计 KDE，如果你能负担得起。

如果您不能负担密度估计，但需要的东西非常快，试试这个：

1. 在每一个维度，计算中位数。

2. 将中位数组合成矢量以用作估计。

中位数比这更强大的异常值高于平均值，但另一方面，它本质上是把你的所有点的（健壮）的意思。这将是可以的，除非有在同一图像多个好匹配。那么上面讨论的密度估计会更好。

Answer 2

你基本上寻找的是由匹配点引起的密度函数的mode。也就是说，在图像的2D空间中，每个匹配点表示来自图像与“目标”之间匹配的概率函数的“样本”。您正在寻找2D密度函数具有“峰值”的点：这是大多数匹配的中心点。

有一个众所周知的算法来找到给定样本函数的密度函数模式，它被称为Mean shift。将mean-shift应用于图像中匹配的XY坐标（我将使用大小与“目标”大小成比例的圆形或三角形内核），结果应为“目标”中心的坐标“位于图像中。

谷歌快速搜索建议this implementation均值漂移聚类。

注意：请不要与Comaniciu和Meer的mean shift segmentation混淆。