image-processing - 如何使归一化互相关对均匀区域的微小变化具有鲁棒性

Question

问题描述如下：

给定两组数据：A= { 91 87 85 85 84 90 85 83 86 86 90 86 84 89 93 87 89 91 95 97 91 92 97 101 101 }，

B = {133 130 129 131 133 136 131 131 135 135 133 133 133 131 135 131 129 131 132 132 130 127 129 137 134}，

如果 A 表示来自 (x,y) 位置周围背景图像的一组像素，则 B 表示来自不同图像的 (x,y) 周围光照变化的另一组像素。

计算出来的 NCC 告诉我们集合 A 与集合 B 不同。但实际上，A 和 B 是不同光照条件下的同一组像素。

这表明 NCC 对相对变化很小的数据集的微小变化非常敏感。例如，如果标准差和平均值之间的比率代表每个数据集中的相对变化，那么在集合 A = 0.057684745 中，在集合 B = 0.018484007 中的相对变化。

谁能帮我弄清楚如何在 NCC 公式中加入相对变化因子，因此修改后的 NCC 对数据集中的小变化具有鲁棒性，其中每组内的变化非常小？此外，修改后的 NCC 的输出仍然需要为 -1 到 1。

非常感谢。

score 1 · Accepted Answer

这里有两个问题：

对于噪声鲁棒性，我建议您应用一些去噪算法。根据您的应用程序、计算约束、知识……您可以尝试简单的中值滤波，或更复杂的双边滤波或非局部方法。这些算法中的每一个都将保留图像的大部分精细结构（这对 NCC 很重要）。

然后，为了对光照变化具有鲁棒性，您可以先应用一个简单的直方图匹配过程。如果效果不够好，您应该尝试由 Julie Delon 专门针对这种立体匹配案例开发的Midway 算法(pdf)。它相对容易实现（我使用 OpenCV/C++ 在几个小时内就完成了）。

score 0 · Accepted Answer

在相关之前标准化图像可能会有所帮助！如果您有选择，我建议您在这里测试相位相关性，您会发现一篇非常有趣的论文，希望对您有所帮助

2 回答 2