衡量sift特征的repeatability 咋理解和计算
【衡量sift特征的repeatability 咋理解和计算】 
我开始也没懂，后来在导师自己写的文章中看到了这么段简单的定义，然后打个比方就是我的一张脸映射到两张图画中， 然后来个检测器，在第一张图画中找到我变形的脸1，在第二张图画中找到了我变形的脸2，那么就说脸1 脸2 repeat了，因为他们是同一张脸来的，那么脸1 脸2的关系是什么， 上面提到了一个单应矩阵（homography） 去标明他们的关系。那么问题来了，如何去计算并得到论文中的repeatability,楼上说的挺明白了，论文中首先说 在他们做实验的时候，Each image was then subject to a range of transformations,including rotation,scaling,affine stretch,change in brightness and contrast,and addition of image noise,简单的说就是人为搞破坏，破坏后的图像你是知道的，与原图的每一点的矩阵关系你是知道的，那么你第一张图检测到的点的位置，对应的第二张图的位置你是知道的，在第二张图的这个位置有木有检测到点，就是决定repeatability的，但毕竟搞破坏会产生浮点数之类的，然后图像又是离散的所以不一定一一对应，具体的限制规定，楼上回答了。就此 回答完毕。的确一开始直接看LOWE的SIFT就是到了这块突然间跑出来个repeatability， 开始没管，毕竟是性能方面的，先把技术机理整明白，然后发现导师甩给我的SURF， ORB，CenSurE 三篇论文里面充斥着这个，才冷不丁的去算，开始也傻，我是这么算得，先用detector 得到所有检测到的点的数量，然后用descriptor等去匹配两张图，然后 将匹配的点数除以第一次检测到的点数，这是闲话，不扯....首答，勿喷谢谢
■网友
论文3.2在说测试数据集的时候说到数据集的各种变换，其中说到because the change synthetic itwas possible to precisely predict where each feature in an original image should appear in tje transformed image.....比如仿射变换原图像中x,y点的坐标，在变化后图像中的坐标是可以算出来的。论文里说的repeatability需要满足两个方面，论文第九页的第一段，we define matching scale as being within a factor of sqrt(2) of the correct scale and a matching location as being within sigma pixel。一个关键点如果在原图中是x,y,sigma，那么在变换后图像中的位置应该是x的sigma范围，y的sigma范围，自己sqrt2*sigma之间，如果满足就认为repeatability。
推荐阅读
- 图像特征提取时，灰度共生矩阵的方向是咋确定的
- 单特征AUC是咋计算的
- 《黑暗之魂3》捏脸是怎样做到取消各个特征的相关性的
- 关于图片里的文本识别，哪些特征相对有效
- 睡眠|健康“亮红灯”的人，睡觉时常有4个特征，占一个，也要重视起来
- 后发制人|是“大长腿”标志，藏着后发制人的身高潜力孩子腿部的这个特征
- 淋巴结|体内有癌，脖子先知，脖子若出现一个特征，癌症可能已经是中晚期
- 高个|长大后多半是“大高个”，你家娃符合吗腿部有这几个特征的孩子
- |严防！疫情传播又有新特征
- 癌细胞|身体出现5个特征表现，癌细胞或已“藏在”体内，需重视