我正在搜索SURF的可用度量标准。就像一幅图像在一个尺度上与另一幅图像相匹配一样,比如0到1,其中0表示没有相似性,1表示相同的图像。SURF的度量标准
SURF提供以下数据:在目标图像
- 兴趣点(和它们的描述符)在查询图像(设为Q)
- 兴趣点(和它们的描述符)(组T)
- 使用最近邻算法对可以从上面的两组创建
我到目前为止尝试的东西,但似乎没有任何工作太好:
使用不同集合的大小的度量:d = N/min(size(Q),size(T))其中N是匹配兴趣点的数量。这给出非常相似的图像相当低的评级,例如0.32,即使70个兴趣点从Q中约600个和T中200个匹配。我认为70是一个非常好的结果。我在考虑使用一些对数缩放,所以只有非常低的数字才会得到较低的结果,但似乎找不到正确的等式。与
d = log(9*d0+1)
我得到了0.59的结果,这是相当不错的,但仍然,这种破坏SURF的力量。使用成对内距离的度量:我做了类似于找到K最佳匹配并添加它们的距离。两幅图像相似的距离最小。这个问题是我不知道什么是兴趣点描述符元素的最大值和最小值,从中计算出遥远距离,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,我想把度量准确地在0和1之间。我需要这个来比较SURF和其他图像度量。
这两个最大的问题是排除其他。一个不考虑匹配的次数和另一个匹配的距离。我迷路了。
EDIT:对于第一个,日志(X * 10^K)/ k,其中k为3或4给出了一个很好的结果的大部分时间中,min是不好的方程,它可以使在一些罕见的情况下,d大于1,没有小的结果又回来了。
看看http://reference.wolfram。COM /数学/ REF/ImageCorrespondingPoints.html。他们介绍了一个额外的参数(转换),可能会打开你的一些灯... – 2011-06-16 01:57:53