自适应非极大值抑制算法

自适应非极大值抑制算法

自适应非极大值抑制算法是论文Multi-Image Matching using Multi-Scale Oriented Patches提出的一种算法。基本思想是评估所有interesting point的极大区域，并进行排序。

具体来说，就是先选取很多的interesting point，组成集合S。对S中的每个点xi，寻找它的响应能作为区域最大值的区域半径ri,即ri=min||xi−xj||,s.t.response(xi)<response(xj),xj∈S。将找到的ri降序排列。选取前n个元素对应的点，即为自适应非极大值滤波后得到的关键点。

算法效果如图：

过滤前

过滤后

评价

不同于传统非极大值抑制算法，ANMS算法不用选取阈值。然而带来的问题是它需要计算所有兴趣点之间的距离，所以会带来很大的时间复杂度。

实现代码如下

---

double computeR(Point2i x1, Point2i x2){    return norm(x1 - x2);}template < typename T>vector< size_t>  sort_indexes(const vector< T>  & v) {    // initialize original index locations    vector< size_t>  idx(v.size());    for (size_t i = 0; i != idx.size(); ++i) idx[i] = i;    // sort indexes based on comparing values in v    sort(idx.begin(), idx.end(),        [&v](size_t i1, size_t i2) {return v[i1] >  v[i2]; });    return idx;}vector<KeyPoint> ANMS(const std::vector<KeyPoint>& kpts,int num = 500){    int sz = kpts.size();    double maxmum = 0;    vector<double> roblocalmax(kpts.size());    vector<double> raduis(kpts.size(), INFINITY);    for (size_t i = 0; i < sz; i++)    {        auto rp = kpts[i].response;        if (rp > maxmum)            maxmum = rp;        roblocalmax[i] = rp*0.9;    }    auto max_response = maxmum*0.9;    for (size_t i = 0; i < sz; i++)    {        double rep = kpts[i].response;        Point2i p = kpts[i].pt;        auto& rd = raduis[i];        if (rep>max_response)        {            rd = INFINITY;        }        else         {            for (size_t j = 0; j < sz; j++)            {                if (roblocalmax[j] > rep)                {                    auto d = computeR(kpts[j].pt, p);                    if (rd > d)                        rd = d;                }            }        }    }    auto sorted = sort_indexes(raduis);    vector<KeyPoint> rpts;    for (size_t i = 0; i < num; i++)    {        rpts.push_back(kpts[sorted[i]]);    }    return std::move(rpts);}