5、SIFT Flow：跨场景密集对应及其应用

SIFT Flow：跨场景密集对应及其应用

1. 相同场景图像配准

相同 3D 场景的图像配准在某些情况下具有挑战性，比如两幅图像重叠区域少，或者由于季节变化、成像条件（角度、光照、传感器）改变、地理变形以及人类活动等因素导致图像外观有显著变化。虽然稀疏特征检测和匹配是相同场景图像配准的常用方法，但我们对 SIFT Flow 在该问题上的表现很感兴趣。

以两张火星同一位置的卫星图像为例，这两张图像拍摄时间相隔 4 年，图像强度差异很大。我们进行了如下实验：
1. 稀疏特征检测与匹配 ：
- 使用稀疏 SIFT 特征检测方法在两张图像上检测 SIFT 特征点。
- 通过最小 SSD 匹配建立稀疏对应关系。
- 对稀疏对应关系进行插值，形成密集流场。
- 根据密集流场将图像 (b) 扭曲到图像 (a)，并显示像素级匹配误差。该方法的平均绝对误差为 0.030。
2. SIFT Flow 方法 ：
- 应用 SIFT Flow 对两张图像进行对齐。
- 显示 SIFT Flow 场和像素级匹配误差。SIFT Flow 的平均绝对误差降至 0.021，明显低于稀疏特征方法，并且视觉上错位情况显著减少。此外，SIFT Flow 还自动发现了卫星图像中可能由拼接伪影导致的裂缝。

我们还将 SIFT Flow 应用于一些具有挑战性的图像配准示例，结果表明，SIFT Flow 能够处理图像外观差异大、位移大的图像配准问题。

2. 人脸识别

基于图像结构信息对齐图像有助于构建鲁棒的视觉识别系统。我们设