使用SIFT将图像与数据库匹配

Question

我目前正在开发一个python程序，将输入图像与数据库中最近的图像进行匹配。我使用PythonOpenCV和SIFT描述符来实现这一点。我有一个工作原型，包括以下步骤：

1. 提取输入图像的SIFT描述符

对于每个图像：

1. 与输入进行比较，并使用flann.knnMatch查找两者之间的匹配关键点

2. 使用Lowe比率测试识别良好的关键点匹配

3. 通过计算每个良好关键点匹配的平均距离来计算每个图像的分数

得分最低的图像将是最佳匹配。我的aproach看起来非常慢，尤其是对于较大的数据库

如果这是正确的方法，是否有更快的方法将图像与数据库匹配

Answer 1

搜索图像有比SIFT更好的方法。因为我不知道你们数据库中的图像，我只想告诉你们，我会做什么来代替SIFT方法

LBP（局部二进制模式）或GLCM（灰度共生矩阵）可以加快解决方案的速度。计算数据库中每个图像的统计数据（GLCM或LBP），并用索引存储它们。让我们从现在开始称它们为图像符号。搜索时，计算感兴趣的图像符号和数据库图像符号之间的CCC（互相关系数）。按CCC降序排列。我只是假设你要匹配的图像有相对较小的基线和相机角度差异。类似SIFT的方法不能很好地处理高度旋转的图像

关于你的问题有很多论文。他们中的一些人使用光流来寻找图像。你应该根据你的情况找到最好的