2

問題は次のとおりです。

2 つのデータ セットがあるとします。

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 }、

A が (x,y) 位置周辺の背景画像からのピクセルのセットを表す場合、B は、照明が変化する別の画像からの (x,y) 周辺の別のピクセル セットを表します。

計算された正規化された相互相関 (NCC) = 0.184138251 ( http://en.wikipedia.org/wiki/Cross-correlation#Normalized_cross-correlationから)

計算された NCC は、セット A がセット B と異なることを示しています。しかし、実際には、A と B は異なる照明条件下での同じピクセル グループです。

NCC は、相対的な変動が非常に小さいデータ セットの小さな変化に非常に敏感であることを示しています。たとえば、標準偏差と平均の比率が各データ セットの相対変動を表している場合、セット A の相対変動 = 0.057684745、セット B の相対変動 = 0.018484007 です。

NCC式に相対変動係数を組み込む方法を理解するのを手伝ってくれる人はいますか?修正されたNCCは、各セット内の変動が非常に小さいデータセットの小さな変化に対して堅牢です? また、修正された NCC の出力は依然として -1 から 1 である必要があります。

どうもありがとう。

4

2 に答える 2

1

ここには 2 つの問題があります。

  1. ノイズに強い
  2. 照明の変化に強い。

ノイズの堅牢性のために、ノイズ除去アルゴリズムを適用することをお勧めします。アプリケーション、計算上の制約、知識に応じて、単純なメディアン フィルタリング、より複雑なバイラテラル フィルタリング、または非局所的な手段を試すことができます。これらの各アルゴリズムは、画像の微細構造のほとんどを保持します (NCC にとって非常に重要です)。

次に、照明の変化に対してロバストにするために、最初に単純なヒストグラム マッチング手順を適用することから始めることができます。十分に機能しない場合は、ジュリー ドロンがこのステレオ マッチング用に特別に開発したMidway アルゴリズム(pdf) を試してみてください。実装は比較的簡単です (OpenCV/C++ を使用して数時間で実装できました)。

于 2013-03-19T12:38:44.147 に答える
0

Normalizing images before the correlation may help! if you have a choice I suggest you to test the phase correlation here you find a very interesting paper I hope that helps

于 2013-03-19T11:39:50.520 に答える