描述子的匹配策略

描述子的匹配策略即如何找到描述子的最佳匹配描述子，以下介绍三种策略

1、基于阈值

　　如何描述子之间的距离小于某个阈值，则认为他们相互匹配，由于大小阈值的的描述子可能有很多个，因此该方

　　可能会得到多个与之匹配的描述子。

　　if |Da-Db|<t   then matches

　　else   dismatch

2、基于最近邻

　　如果Db就Da的最近邻，并且 距离小于某个阈值，则认为他们相互匹配。该方法得到唯一的匹配

3、基于距离比率（distance ratio）的最近邻

　　该方法与最近邻类似，不同的是其对最近邻与次近邻间的distance ratio应用阈值处理

　　即：if ||Da-Db||/||Da-Dc||<T   then matched     Db,Dc分别是最近邻与次近邻

　　该方法保证与Da匹配的描述子只有一个，其它的与其相差较大。这在描述子评价中有非常重要的作用，如果

　　一种描述子能保证上述条件，那么该描述子优于其它描述子。

 

 

在描述子评价与比较中，我们经常使用recall--1-precision准则，

　　recall=#correct matches/#correspondences

　　1-precision=#false matches/(#correct matches+#false matches),有时也称false positive ratw（FPR)

然而怎样判断一对描述子是否匹配呢？我们使用上述讲到的三种方法进行评价

那么如何判断一对描述子是否真正匹配，我们通过overlap error方法，

其中A,B分别与兴趣点的领域，H表示图片间的变换矩阵

一般设epsion_t<50%

通过不断的改变阈值绘制recall--1-precision曲线，对比不同描述子的performance

 

　　参考文献：A performance evaluation of local descriptors