0

我想将一张图片与一组 1000 多张图片进行比较。我正在生成照片马赛克。

到目前为止我做了什么:

我正在使用 LAB 颜色模型来获取每个图像的 LAB 值,并将该值存储在 KD 树中。这是具有 LA* B* 值的 3 维树。然后我计算图像中每个网格的 LAB 值,我必须为其生成照片马赛克。我使用最近邻算法和欧几里得距离度量来找到最佳匹配。

我取得了不错的成绩,但我想提高成绩。我读过关于 SIFT 的图像比较,它看起来很有趣,我将在未来实现它。现在你们能建议我可以比较的任何其他特征,比如亮度、背景颜色,或者可能是另一个比欧几里得更好的距离度量吗?

4

1 回答 1

2

来自 SIFT 的 Appart 已使用的另一个功能是通过 Earth Mover 距离比较颜色直方图。您可以查看以下论文:
将推土机的距离作为图像检索的度量

此外,与 SIFT 更相似的是图像的 GIST,它已用于“语义”(或多或少)检索:
构建场景的要点:全局图像特征在识别
中的作用,例如已用于使用数百万张照片完成场景的论文:使用数百万张照片 完成场景

您还可以调整使用 SIFT 进行图像变形的方法(例如SIFT Flow: Dense Correspondence across Scenes and its Applications)以获得图像比较的度量。通常,标准的 SIFT 匹配表现不佳,您的结果指标也不是很好:能够进行良好的匹配会使事情变得更好。

简而言之,正如评论所说,这取决于您要比较和实现的目标(“好”是什么意思):您要匹配颜色(直方图)吗?结构 (SIFT) ? 语义学(GIST)?要不然 ...?

于 2012-12-06T20:08:04.427 回答