Abstract
我们提出了一种有效的谱方法来寻找两组特征之间的一致对应关系。我们建立了一个图的邻接矩阵M，它的节点代表了潜在的对应，而链接上的权重代表潜在的对应之间的成对协议。正确的分配可在彼此之间建立联系，从而形成一个强连接的集群。不正确的对应只与其他对应建立偶然的联系，所以它们不太可能属于强连接的簇。我们根据它们属于M主簇的强烈程度恢复正确的分配，通过利用M的主特征向量，并加强整体对应映射（一对一或一对多）所需要的映射约束。实验结果表明，我们的方法对离群值有鲁棒性，在匹配率方面准确，比现有方法快得多。
1. Introduction
计算机视觉中有许多任务需要有效的技术来找到两组特征之间的一致对应关系，例如物体识别，形状匹配，宽基线立体，二维和三维配准。我们提出了一个有效的技术，适用于这些应用。我们的方法发现两组特征之间的一致性，同时考虑到特征描述符的匹配程度以及它们的成对几何约束（或任何其他类型的成对关系）如何满足。我们的公式可以容纳不同类型的对应映射约束，例如允许数据特征匹配至多一个模型特征（常用），或者允许一个集合中的一个特性与另一个集合中的几个特征相匹配（用于形状匹配[ 1 ]）。
根据特定的应用程序，这些特性可以由点、线、形状描述符或兴趣点组成。对于特征难区分的问题（例如点），特征的成对几何信息，有助于找到正确的对应关系。当提取易区别的特征（例如兴趣点）时，可以使用每个特征的几何和属性。