surf의 매칭률 높이기(엉뚱한 매칭 포인트 줄이기)

SURF를 사용한 이미지 ㅇ매칭을 한다. 

매칭 이미지를 보면 엉뚱한 곳이 매칭 포인트라며 집어주기도 하고

한 곳에 여러 매칭 포인트가 모여있기도 한다.

엉뚱한 매칭 포인트를 줄이는 방법을 찾아봤다. 소스는 아직 없지만 일단 내용정리만 해보려고 한다.

http://cafe.naver.com/opencv/27179

- 유클라디언 거리를 이용하는데 실제로 모두를 매칭하게 되면 시간이 너무 오래 걸린다.

-> k-트리를 이요해서 트리에서 디스크립터를 넣어두고 비교한다. 

(k-트리는 가장 유사한 노드끼리의 검색을 손쉽게 할 수 있다.)

- 매칭 후에 missmatching딘 것을 inlier와 outlier로 걸어내서 inlier부분만 매칭되게 해야 한다.

-> RANSAC , StarSAC 등을 이용 

- 보통 특징점 추출은 sift , surf등을 이용한다.

  1차 검색은 kd-tree , spiil-tree 를 이용한다. 

  정확도를 높이기 위해 1차에서 검색된 후보특징점을 모아서 ransac를 돌린다. 

  (검색 이미지가 많으면 트리 구성싱 메모리 문제가 생긴다.)

---

KD Tree - 다차원 트리 (k-dimension tree)

- 바이너리 서치 트리를 다차원 공간으로 학장.

- 기본키 필도가 없거나 범위 검색이 많은 응용분야에 적합하지만

   밸런스 트리가 아니므로 데이터의 입력 순서나 분포에 따라 트리의 높이가 높아질 수 있으며 검색 성능이 떨어짐

   (검색 필드값이 균등하게 분포되어 있지 않을 경우에)

http://wisdomworker.tistory.com/22

http://blog.daum.net/pg365/140

http://action713.tistory.com/272

---

RANSAC (RANdom SAmple Consensus)

- 무작위로 샘플을 뽑아서 최대로 컨센서스(의견일치, 합의)가 형성된 것을 선택한다.

- 가장 많은 수의 데이터들로 부터 지지를 받는 모델을 선택

- inlier , outlier(이상점)

http://darkpgmr.tistory.com/61

http://blog.daum.net/pg365/62

(* 매칭속도를 줄이려면 PCA이용)