3

我正在做这个项目，其中一部分是识别相机上记录的物体。所以更具体地说：

  • 我正在使用 OpenCV

  • 我已正确设置相机并能够从中检索图片

  • 我已经编译并试验了来自 OpenCV 的大量演示

  • 我需要一个比例和旋转不变的检测算法

  • 原始对象的图片只能作为边缘图像使用

到目前为止，我看到的所有特征检测/提取/匹配算法都可以很好地处理灰度图像（如照片），但是由于我的项目规格，我需要处理边缘图像（有点像精明边缘检测器的输出）通常是 BW，并且仅包含在图像中找到的边缘。在这种情况下，我尝试使用的算法（SURF、SIFT、MSER 等）的性能会急剧下降。

所以实际的问题是：有没有人遇到过专门用于匹配边缘图像的算法，或者是否有某种设置可以提高 SIFR/SURF/ 的性能？为了很好地处理这种输入。

我会感谢任何建议或任何相关资源的链接

PS：这是我关于stackoverflow的第一个问题

4

1 回答 1

1

边缘图像有一个问题：它们包含的有关感兴趣对象的信息非常非常稀缺。

因此，可能找不到对边缘图像进行分类的通用算法。但是，如果您的图像简单、清晰且具体，您可以采用多种技术对其进行分类。其中：寻找轮廓，按形状、面积、定位、跟踪进行选择。

一个很好的形状信息列表（来自 Matlab 帮助站点）包括：

  • '区域'
  • '欧拉数'
  • '方向'
  • '边界框'
  • '程度'
  • '周长'
  • “质心”
  • '极端'
  • 'PixelIdxList'
  • '凸区域'
  • '填充区域'
  • '像素列表'
  • '凸壳'
  • '填充图像'
  • “团结”
  • '凸图像'
  • '图片'
  • '子数组 IDx'
  • “怪癖”
  • '主轴长度'
  • '等效直径'
  • '小轴长度'

在算法中使用形状的一个重要条件是能够单独选择它们。形状分析对噪声、重叠等非常敏感

更新

我发现了一篇在这种情况下可能很有趣的论文——它是一个只使用形状信息的对象分类器，它可以应用于 Canny 图像——听起来这是你的解决方案

http://www.vision.ee.ethz.ch/publications/papers/articles/eth_biwi_00664.pdf

于 2012-07-20T12:07:45.440 回答