ζ伤▄m°

鉴于还没了解SIFT算法的原理= =所以在此就列出其用到的几个重要算法的核心思想吧。

KD-Tree

K-Dimension tree，实际上是一颗扩展的平衡二叉树

给个图示：

    最原始的平衡二叉树结点值仅为1维，KD-Tree中的结点值为K维。每一层的结点都有自己的决策函数。

    什么叫决策函数呢？拿初始的平衡二叉树来说，他们每层的决策函数都一样，就是左孩子的值要小于父结点的值，而右孩子的值要大于父结点的值（用文字描述函数了。。。)。而对于KD-Tree，每一层均定义自己的决策函数即可。最常用的一种决策函数就是n mod k。其中n为层数，k为维数。根层数为0，往下依次加1。

    n mod k得到的值就决定了该层要用值的第n mod k维来进行决策，同样是左孩子的值比父结点小，有孩子的值比父结点的大。由图1.2D可以很明显看到，不解释了（其实是再解释我也不懂了。。。）。

BBF算法

    BBF（Best Bin First）算法。（。。不要问我这个算法是干什么的。。。各种看不懂。。先记录下来了）

    该算法是借助优先队列(一种实现方式是用最小堆）。从根开始，在KD-Tree上找路径的时候，错过的点先塞到优先队列里，自己先一直搜索到叶节点（深度优先）；然后在从队列中取出目前key最小的（这里是ki维上的距离最小者)，重复上述过程。直到队列为空，或者重复主循环（扫描到叶节点次数）到了一定次数停止。

    具体实现看本文后的引用链接，因为只懂每一步的具体步骤是啥，但对这个算法的思想不甚理解。。就先不解释了。。。

RANSAC算法

    什么东西一扯上概率，就容易让人犯晕。。。

    RANSAC（Random Sample Consensus，随机抽样一致）

    按照维基百科的说法，该算法可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法--它有一定概率可以得到合理的结果。

    先上示例图：

    最小二乘法大家都应该知道，其实对样本进行统计，得到一个能够描述样本整体规律的一个线性函数。

    RANSAC其实也和最小二乘法类似，就是去找这样一种规律，但是重点来了。

    最小二乘法是对所有样本点进行统计，而RANSAC可以允许样本中存在“局外点”，就是统计出来的规律是不被这些局外点所影响的。而为了评测得到的模型的合理性，就要用局外点对这个模型进行测试，因为局外点的选取是随机的，所以不同的局外点就造成了有不同的模型，而这些模型哪个是最好的呢？就需要使用该模型对应的局外点进行测试（不要问我怎么测。。。。母鸡啊。。。。= =囧。。。），如果遇到更好的模型则设置当前最优模型为该模型，直到达到某个条件就定下模型即可。

**************************************************************************************************    这3个算法，就是sift特征点匹配与消除的核心算法了。

    让我们理清一下思路吧，使用sift特征点提取算法提取出两幅图片的sift特征点，命名为图A和图B吧。

    首先，对图B所提取出的所有特征点建立KD-Tree，然后对图A的每一个特征点，均在图B的KD-Tree中搜寻K最近邻（使用BBF算法）。

    然后，使用RANSAC算法对找到的最近邻建立模型，如果有特征点满足这个模型，则留下该点，否则去掉。直到找到最优模型，则最终剩下的即为匹配点。

    呼。。大致流程就是这样了。。。。煎熬啊。。。底层的数学原理还得慢慢摸索去了。。。

本文参考引用：

http://blog.csdn.net/ijuliet/archive/2009/08/21/4471311.aspx

一觉醒来，雪已经开始融化

冬日的阳光，在化雪的寒冷面前显得多么微不足道

有时候，觉得自己的努力就像这缕阳光

很强烈，但似乎没有结果

路还很长，继续踏上寻找终点的道路

PS:浑浑噩噩，课虽然少了，但是要呆在电脑前编程的时间多了，累死。。。睡觉睡觉。。。

突然发现这学期仍旧是一如既往地忙，也好，只有忙碌的生活才能冲淡不平静的一切

该怎么走，一步一步

再回首，希望能够微笑面对

不知不觉，假期已接近末尾

也许是最后一个悠闲自在地呆在家的假期了吧

4年的后半段，也是各奔前程的时刻，犹如一棵树上分叉出来的枝条，在各自的道路上，开花结果

可是，最后，还能否像江河一样，最终流入大海，重聚在一起

迷惘并不等于没有目标

有时候有了目标，但是前方的路不是你所能自己一个人决定的

但是，这种向未知的奋斗也是激情的碰撞

期待，努力

马上就21大寿了~自己小庆祝一下吧，祝自己生日快乐

趁着年轻，还有激情的时候，就多努力些吧^_^

最近频繁的聚会真是有些疲劳了，明天就凑合凑合着过吧

南宁啊南宁，真是个可爱的地方

回家已有两日，呼吸着这熟悉的空气

每半年一次的聚会，还是那么的热闹，那么的怀念

恍如昨日，一晃又是半年

这半年，不变的，都会成为最珍贵的回忆

早已暗暗下定决心，今后的路不会平静

一路，走下去

忙碌了大半个学期，终于能好好静下来，翻翻周围朋友记录的世界了

记不清是哪门课的老师说的话了

在某个下午第一节课迟到高峰期过后

他对我们说他一眼就能看出大一新生和大三的区别

大一新生的眼神充满清澈与憧憬

大三眼中，有的仅仅只是茫然和无奈

大家都笑了，哈哈一笑，这背后，藏的又是什么

的确，这一路走来，会慢慢发现，年少的激情在慢慢地被消磨殆尽

刚进大学的时候，那才是真的叫干劲十足啊

周围人的博客，更新的频率也渐渐变慢了

忙碌的生活，不断冲击那一根年轻的神经

逐渐变得茫然与麻木

人生，还是不断充满激情才是最精彩的啊

但往往这样的激情，在这样的环境下，是不会有人给你创造的，可悲，可悲

所以，一切还是要靠自己

去寻找真正能让自己自由翱翔的那片天

考完了，似乎少了点什么

最后一科《排队论》老师竟然出了这么纠结的题，对一门2学分的课程而出如此难度的试卷感到无奈

随意了吧，总之还是考完了

半个学期已过，大学本科也已过了大半

偶尔扪心自问，自己的计划是否已经慢慢地走上了正轨

本科四年，学的神马都是浮云啊

要想学自己喜欢的，还得继续走下去