用ORB检查重复图像

Question

目前我正在检查重复的图像，所以我使用ORB，第一部分几乎完成了，我有两个图像的描述向量，现在作为第二部分，我想知道如何用hamming距离来计算分数，以及应该说这些是重复的阈值是什么。

    img1 = gray_image15
    img2 = gray_image25
    # Initiate STAR detector
    orb = cv2.ORB_create() 
    # find the keypoints with ORB
    kp1 = orb.detect(img1,None)
    kp2 = orb.detect(img2,None)
    # compute the descriptors with ORB
    kp1, des1 = orb.compute(img1, kp1)
    kp2, des2 = orb.compute(img2, kp2)

    matcher = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = matcher.match(des1, des2)
    # Sort them in the order of their distance.
    matches = sorted(matches, key = lambda x:x.distance)

我只想知道这个过程的下一个步骤，以便最终我可以打印是或否的副本。我在python 2.7中使用opencv3.0.0

Answer 1

• 一旦获得描述符，就可以使用单词包模型对参考图像的描述符进行聚类，即构建一个词汇表(可视单词)。
• 然后将另一个图像的描述符投影到这个词汇表上。
• 然后，您可以获得一个直方图，显示每个视觉单词在这两个图像中的分布。
• 使用直方图比较技术对这两个直方图进行比较，并使用阈值检测重复的直方图。例如，如果使用Bhattacharyya距离，那么低值意味着很好的匹配。

我没有这方面的python实现，但是您可以在c++ here中找到类似的东西。