eigenvector(二个点集之间的匹配).pdf

Eigenvector方法 两个图象点集之间的匹配 National Laboratory of Pattern Recognition 模式识别国家重点实验室 Institute of Automation, Chinese Academy of Sciences 中国科学院自动化研究所 问题的提出 前面的匹配算法主要是基于图像 内容的，这类方法有其局限性， 当不正确的匹配对图像内容相差 很小或者由于视角变化等造成正 确的匹配对图像内容相差很大的 时候，这类方法往往很难取得比 较理想的结果。 本节从另一个思路--基于点集的 几何形状来介绍一种点的匹配算 法-eigenvector算法。 National Laboratory of Pattern Recognition 模式识别国家重点实验室 Institute of Automation, Chinese Academy of Sciences 中国科学院自动化研究所 匹配在计算机视觉里占有非常重要的地 Eigenvector解 位，Eigenvector解决的是两个点集之间的 决什么问题？ 点与点的对应关系。 全局的思想 Eigenvector的 仅与点集的形状有关，与图像内容无关 优势是什么？ 不需要迭代 Eigenvector把点的坐标从二维空间转 Eigenvector的 换到一个高维的空间中，然后再进行匹 思路是什么？ 配，空间的维数与点集中点的个数有关。 National Laboratory of Pattern Recognition 模式识别国家重点实验室 Institute of Automation, Chinese Academy of Sciences 中国科学院自动化研究所 Eigenvector 的前身——SVD算法 ‘An algorithm for associating the features of two images’ ——Scott, G L and Longuet-Higgins, H C ， Proc Roy Soc Lond, Vol B244 (1991) pp 21-26 National Laboratory of Pattern Recognition 模式识别国家重点实验室 Institute of Automation, Chinese Academy of Sciences 中国科学院自动化研究所 SVD算法的两大准则 相近性准则（Principle of proximity ） 排它性准则（Principle of exclusion ） National Laboratory of Pattern Recognition 模式识别国家重点实验室 Institute of Automation, Chinese Academy of Sciences 中国科学院自动化研究所 SVD算法的三大步骤 相近性 分解 匹配 度量 用对角线元 建立两组待 素为1的矩 对矩阵G做 匹配点的相