MOPS feature correspondences (example 1)
MOPS feature correspondences (example 2)
插件“Extract SIFT Correspondences”和“Extract MOPS Correspondences”识别两个图像中一组对应的兴趣点将其导出为PointRoi。使用Scale Invariant Feature Transform检测兴趣点，从而提供相似不变性。对应点是来自与公共几何变换一致的局部特征头部的最佳匹配。
插件使用 Difference of Gaussian detector (SIFT) 和 Multi-Scale Oriented Patches (MOPS) 进行局部特征描述。由此建立的匹配使用Random Sample Consensus (RANSAC) 进行过滤。
导出的相应地标集和计算出的变换在TrakEM2、Register Virtual Stack Slices和BUnwarpJ中用于图像配准。
＃＃参数
SIFT parameters
测量尺 兴趣点检测器
原始高斯模糊
关键点的精确定位需要对图像进行平滑。如果你的图像已经模糊，你可以稍微降低初始模糊 σ§§01§§§，但不太最终稳定的关键点。增加 σ0 会增加高斯模糊的计算成本，将其设置为 σ0=3.2px 拥有保持不变σ0=1.6px 并使用最大图像尺寸的一半。提示：按照 Lowe (2004) 的建议，保留默认值 σ0=1.6px。
每个音阶八度的音阶
在最大图像尺寸和最小图像尺寸之间的所有刻度上提取候选关键点。该音阶空间以八度音程表示，每个音阶覆盖固定数量的离散音阶步长，从 σ0 到 2σ0。更多步骤会导致更多但最终不稳定的候选关键点。：按照 Lowe (2004) 的建议保留 3个，并且不要使用超过10个。
图像最小尺寸
如果八度音阶的大小小于最小图像大小，则缩放空间停止。提示：增加最小尺寸以丢弃大特征（即从远处查看图像中提取的特征，例如整体形状）。
最大图像尺寸
比例空间从等于或小于最大图像尺寸的第一个八度音阶开始。提示：通过减小尺寸，精细缩放的特征将被丢弃。增加超出实际图像的尺寸没有任何效果。
高档形象优先
创建尺寸为原始图像两倍的第一个比例八度音阶，以便在原始像素解析下查找特征。提示：仅针对非常小的图像并且您要求需要更多功能时才执行此操作。
特征徽章
使用局部快捷方式来匹配兴趣点。相应的兴趣点通常具有非常相似的局部快捷方式。
图案大小
SIFT函数由n×n个梯度直方图组成，每个梯度直方图都来自4×4px块。n是这个值。Lowe (2004)使用n=4。我们发现n=8的增量思维连续用于切片的缩略图电子显微照片表现更好。
MOPS烘烤只是一个具有归一化强度的n×n强度补丁。Brown (2005)建议n=8。我们发现n>16的更大的担忧对于连续切片的醒电子显着微照片表现更好。
图案方向箱
对于 SIFT 出口，是上述每 4×4px 块的箱方向 b 的数量。提示：按照 Lowe (2004) 的建议，保留默认值 b=8。
最接近/次接近的差别
只要当到最近邻居的欧几里得距离显着小于到下一个邻居的欧几里得距离时，才接受来自局部热点匹配的对应候选。 Lowe (2004)建议使用 r=0.8 的长度，当匹配明显扭曲的事物时，需要增加一些长度。
几何一致性过滤器
最大托盘
注意力集中会产生许多误报，但真积极与常见变换一致，而误报则不然。这个一致的集合和底层的转换是利用RANSAC来识别的。该值是一个匹配被算作比赛所允许的最大传输错误。提示：焦点值设置为图像大小的10%左右。
最小内点分布
RANSAC 使用的真实匹配数与所有匹配数（包括真匹配和假匹配）的比例。0.05 表示所有匹配中至少有 5% 的预期解决为良好，而 0.9 则要求 90% 的匹配为良好。仅接受具有最小真实匹配比例的转换。提示：不要低于 0.05（且仅当 5% 超过大约 7 个匹配时），除非最大可能非常小，才能找到错误的方案。
预期变化
两幅图像之间预期的可能转换。提示：对于连续切片图像，这通常是刚性转换。
法律声明
该软件体现了已获得以下专利的方法：
- “Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image”，David G. Lowe，美国专利6,711,293（2004年3月23日）。受让人：不列颠哥伦比亚大学。
- “Multi-image feature matching using multi-scale oriented patches”，Matthew Brown、Richard Szeliski，美国专利 7,382,897（2008 年 6 月 3 日）。受让人：微软公司。
参考文献
1.doi:10.1109/cvpr.2005.235 2.doi:10.1023/b:visi.0000029664.99615.94 3.doi:10.1145/358669.358692
