16、图像匹配中关键点描述符的分析与评估

图像匹配中关键点描述符的分析与评估

1. 性能指标

评估特征描述符的性能有多种指标，每个指标都侧重于特征性能的特定方面。最常用的指标基于一对图像之间的正确和错误匹配数量。在本次评估中，使用了三个标准性能指标：
- 召回率（Recall） ：是通过比率测试前正确匹配数量与对应关系数量的比率。计算公式为：
[ recall = \frac{# Correct Matches}{# Correspondences} ]
- 准确率（Precision） ：是正确匹配数量与假定匹配数量（即通过比率测试后的匹配数量）的比率。计算公式为：
[ precision = \frac{# Correct Matches}{# Putative Matches} ]
- 最佳匹配平均数量 ：是数据集中所有图像的正确匹配总数除以图像数量。

2. 匹配标准

为了获得假定匹配，采用了最近邻距离比（NNDR）匹配策略。对于参考图像中的每个描述符，在失真图像中返回两个最近邻描述符作为最佳和次佳匹配，然后计算它们之间的距离比。如果距离比小于特定阈值0.8，则选择最佳匹配作为假定匹配，否则两个匹配都被拒绝。该阈值能消除90%的错误匹配，同时丢弃不到5%的正确匹配。

评估过程的下一步是，如果未给出参考图像和每个变换图像之间的单应性矩阵，则需要找到它们。一种有效方法是RANSAC或其模糊版本，通过找到图像之间的特征对应关系来估计单应性矩阵。然后，使用单应性矩阵将参考图像中的关键点重新投影到变换图像中的位置，如果变换后的关键点和重新投