基于特征的注册步骤 [英] steps in feature-based registration
本文介绍了基于特征的注册步骤的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
基于特征的注册的步骤是什么？
What are the steps in feature-based registration?
如果我有一个转换图像匹配一堆图像（其中只有一个图像匹配最好） ，注册的步骤是什么？
If I have a transformed image matching to a stack of images (of which only one is the best match), what are the steps in registration?
一旦我找到匹配并使用它们来估计转换，通常下一步是什么？
Once I find matches and use them to estimate a transform, what's usually the next step?
推荐答案
- 查找对于不同类型的变换不变的点/区域，例如：平移，旋转，缩放......因为这些点对于那些变换是不变的，我们可以在不同的图像，我们要注册，并可以有图像之间的对应。这些点/区域的例子是角点，blob ..
- 在获得这些点之后，我们需要一种方式来描述它们，这些方法对噪声不敏感，对比照明等变化......我们通过使用点描述符如：SIFT，ORB，SURF ....这些描述符使用不同的方法来处理挑战，使用渐变，颜色标准化，直方图等等。
- 对所有图像中的点进行描述，我们希望将它们相互注册，我们试图通过计算描述符之间的一些距离度量（例如欧几里得）来找到点之间的对应关系。
- 当我们在不同图像中的点之间找到一些对应关系时，我们可以计算它们之间的转换（对应点的数量取决于我们想要查找的刚性，仿射，预测的转换类型）。处理异常值的另一种方法是使用诸如随机样本一致性（RANSAC）或鲁棒距离度量来查找异常值。
- 在我们计算了步骤4中的变换之后，我们将其应用于我们要注册的图片。
这篇关于基于特征的注册步骤的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
