SIFT与模式识别分析.pptVIP

二、匹配处理 建立KD-tree 进行RANSAC匹配点筛选NSAC匹配点筛选行RANSAC匹配点筛选 人刚刚保进行RANSAC匹配点筛选是的外省人进行R出风口老公能就发给你 ANSAC匹配点筛选进进行RANSAC匹配点筛选进行RANSAC匹配点筛选行RANSAC匹配点筛选 KD-tree 先看二叉树：（右图） Kd-Tree的构建算法： （1） 在K维数据集合中选择具有最大方差的维度k，然后在该维度上选择中值m为pivot对该数据集合进行划分，得到两个子集合；同时创建一个树结点node，用于存储k, m； （2）对两个子集合重复（1）步骤的过程，直至所有子集合都不能再划分为止；如果某个子集合不能再划分时，则将该子集合中的数据保存到叶子结点（leaf node） RANSAC匹配点筛选 RANSAC的基本假设是： （1）数据由“局内点”组成 （2）“局外点”是不能适应该模型的数据； （3）除此之外的数据属于噪声。 局外点产生的原因有：噪声的极值；错误的测量方法；对数据的错误假设。 RANSAC也做了以下假设：给定一组（通常很小的）局内点，存在一个可以估计模型参数的过程；而该模型能够解释或 者适用于局内点。 RANSAC用于 识别SIFT算 法的误判： 不好的特征点的检测：近似的Harris comer 检测器。去掉低对比度和不稳定的边缘响应点 梯度方向直方图的