SIFT匹配和识别？(SIFT matches and recognition?)

我发展，我现在用的SIFT + RANSAC和单应找到一个对象（OpenCV的C ++，JAVA）的应用程序。我现在面临的问题是，那里有许多异常RANSAC表现不佳。

对于这个原因，我想尝试什么SIFT的作者说是相当不错的：投票。

我已阅读，我们应该在4维特征空间，其中4个维度的投票：

位置[X，Y]（有人说翻译中）
规模
取向

虽然与OpenCV中很容易拿到赛scale和orientation有：

cv::Keypoints.octave
cv::Keypoints.angle

我有很难理解我怎么能计算出位置。

我发现了一个有趣的幻灯片，其中只有one match ，我们能够得出一个边界框：

但我不明白我怎么能绘制边框只有一个匹配。任何帮助吗？

Answer 1:

你正在寻找的最大集合的适合从图像1到图像2.几何变换。在这种情况下匹配的特征，它是相似变换，其具有4个参数：翻译(dx, dy)比例改变ds ，和旋转d_theta 。

比方说，你已经匹配功能：从图像1和F2 F1从图像2.设(x1,y1)是F1的图像1的位置，让s1是其规模，并让theta1是它的方向。同样，你有(x2,y2) s2 ，以及theta2为F2。

两个特征之间的转换是(dx,dy) = (x2-x1, y2-y1)

两个特征之间的比例改变为ds = s2 / s1 。

两个特征之间的旋转是d_theta = theta2 - theta1 。

因此， dx ， dy ， ds ，和d_theta是你的霍夫空间的尺寸。每个区间对应于相似变换。

一旦你执行霍夫投票，发现最大窗口，该箱子让你从图像1到图像的变换2.有一件事你可以做的是将影像1的边框，并使用该改造改造它：适用相应的翻译，旋转和缩放的图像的角上。通常情况下，你包的参数为变换矩阵，并使用齐次坐标。这会给你的图像2与您已经检测到物体的边界框。

Answer 2:

当使用Hough变换，您创建签名存储每个功能的位移矢量从模板心（无论是(w/2,h/2)或中心矩的帮助）。

例如，用于在模板上发现10个SIFT特征，根据模板的质心的相对位置是一个vector<{a,b}> 现在，让我们来搜索该对象在查询图像：查询图像中找到的每个SIFT特征，与模板的10的一个匹配，投下一票到其相应的质心。

votemap(feature.x - a*, feature.y - b*)+=1其中a，b对应于该特定的特征向量。

如果其中的一些功能在同一地点（集群是必要的）成功投，你已经找到一个对象实例。

签名和投票是相反的过程。假设V=(-20,-10) 因此，新的图像中搜索过程中，当发现的两场比赛中，我们发现他们的方向和大小，并铸有相应的投票。例如，用于右框形心将是V'=(+20*0.5*cos(-10),+10*0.5*sin(-10))从SIFT特征远，因为它是在半尺寸和-10旋转度。