Matlab-vision包学习-Feature Detection,Extraction and Matching-匹配

这一篇介绍特征匹配的函数。

函数/Functions

函数名称：matchFeatures

功能：两个特征描述子进行匹配

语法： indexPairs = matchFeatures(features1,features2);

[indexPairs,matchmetric] = matchFeatures(features1,feature2);

[indexPairs,matchmetric] = matchFeatures(features1,feature2,Name,Value);

其中，features1,features2可以是2-值型的特征描述子对象(binaryFeatures object)或者矩阵；indexPairs为Px2的向量，即匹配上的指标对；matchmetric为匹配上的特征描述子之间的测度值；Name为用一对单引号包含的字符串，Value为对应Name的值。

Name&Value参数

Name	Value
'Method'	默认值为'NearestNeighborRatio'，表示进行匹配时所用方法，详细见“Method及其含义"表
‘MatchThreshold'	对于2-值型特征向量，默认值为10.0，对于非2-值型特征向量，默认值为1.0，范围（0,100）,为百分比值，表示选择最强的匹配的百分比，取较大值时，返回更多的匹配对
’Metric'	仅对输入非2-值型特征向量有用，表示特征匹配的测度，默认值为SSD(差的平方和)，还可以取值为SAD（绝对差之和）和normcorr（归一化交叉相关） 注：对于2-值型特征向量，使用Hamming距离作为测度
‘Prenormalized'	仅对输入非2-值型特征向量有用，默认值为false，若置为true，表示在进行特征匹配前特征都进行归一化（如果输入的没有进行归一化，匹配结果可能出错），若置为false，函数进行归一化后再进行匹配。
’MaxRatio'	默认值为0.6，范围为(0,1]，配合‘Method’取‘NearestNeighborRatio'使用，消除匹配模糊

Method及其含义

Method	含义
‘Threshold'	仅使用匹配阈值，可能导致一个特征有多个匹配特征
’NearestNeighborSymmetric'	结合匹配阈值，产生一一对应的匹配结果
‘NearestNeighborRatio'	结合匹配阈值消除匹配模糊（匹配模糊定义为：如果第一个匹配的特征不能明显优于第二个匹配特征时），那么如下定义额比值测试(the ratio test)用于决策： 1. 计算features1和feaures2中任意两个特征之间的最近距离: D 2. 计算feature1中相同特征到feature2特征空间之间的第二近距离: d 3.如果两个距离的比值D/d大于MaxRaio时，可以消除匹配模糊。 注：这个方法可以产生更加鲁棒性的匹配，同时，如果图像中存在重复模式(repeating patterns)，该方法为了消除匹配模糊，可能会消除合理的匹配特征

举例：

close all;
clear all;
clc;

I1 = rgb2gray(imread('viprectification_deskLeft.png'));
I2 = rgb2gray(imread('viprectification_deskRight.png'));

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

[features1,valid_points1] = extractFeatures(I1,points1);
[features2,valid_points2] = extractFeatures(I2,points2);

indexPairs = matchFeatures(features1,features2);

matchedPoints1 = valid_points1(indexPairs(:,1));
matchedPoints2 = valid_points2(indexPairs(:,2));

figure;
showMatchedFeatures(I1,I2,matchedPoints1,matchedPoints2);