带有大量晕影图像的 SIFT 特征检测

Posted 2023-02-19

【中文标题】带有大量晕影图像的 SIFT 特征检测

【英文标题】：SIFT feature detection with heavy vignette images

【发布时间】：2014-07-30 18:20:01

【问题描述】：

我正在尝试匹配使用内窥镜相机拍摄的成对图像之间的特征。我发现翻译图像时匹配的特征数量表现非常差（即使重叠仍然很高）。

几个问题

可能是由于图像中存在的渐晕造成的这么少的特征匹配？ （SIFT 描述符描述梯度，如果存在恒定的晕影梯度，这是否会破坏描述符？） 会不会是相机校准不好？ 您对改进匹配还有其他建议吗？

这是我正在做的事情： - 根据使用棋盘图案完成的相机校准重新映射图像 - 使用 SIFT (VLFeat) 检测特征 - 特征与几何验证步骤匹配（具有相当高阈值的 RANSAC）

这里有两个例子： （红色 = 未匹配的特征；绿色 = 几何验证后匹配的特征） 小翻译=合理匹配

翻译量大 = 匹配不佳

【问题讨论】：

当只有翻译时，您可以尝试使用光流。这里有一些想法：***.com/questions/23954874/…

【参考方案1】：

我认为渐晕不是您的问题。

如果基于校准的“重新映射”应该考虑镜头失真，如果参数估计错误，这当然会产生问题。此外，如果失真非常强，重新映射期间的采样可能会带来问题。此外，如果您使用对极矩阵进行异常值过滤，则必须考虑所有失真。

似乎有些模糊可能来自重新映射或相机运动。这肯定会弄乱结果。比较图 22 和图 9 的背景结构，我想知道那里到底要匹配什么。它看起来一点也不像翻译，更像是某种随机照明。也许您可以对图像的确切显示内容提供一些见解。

干杯， 乔