噪聲圖像中的特徵檢測

Question

我已經構建了一個具有網絡攝像頭和功能匹配的成像系統，因此當我移動相機時;我可以跟蹤相機的動作。除了網絡攝像頭幀作爲輸入外，我正在做類似here的操作。

它對於「好」圖像非常有用，但是在真正低光照下拍攝圖像時會出現很多噪點（相機高增益），並且會因特徵檢測和匹配而混亂。基本上，它沒有檢測到任何好的功能，當它發生時，它不能在幀之間正確匹配它們。

有沒有人知道一個很好的解決方案呢？還有哪些其他方法用於查找和匹配功能？

這裏有兩個例子圖像具有非常低的特點：

Answer 1

我認爲phase correlation將是這裏最好的選擇。它旨在告訴您兩幅圖像之間的相移（即平移）。它比特徵檢測更有彈性（但不是免疫），因爲它工作在頻率空間;而特徵檢測器在空間上運行。另一個好處是，與特徵檢測方法相比，它是非常快速的。我在OpenCV trunk中有一個子像素精確的實現，位於here。

然而，除了中間的摺痕之外，你的圖像幾乎是「無特徵的」，所以即使是相位相關也可能會有一些麻煩。想想它就像試圖在暴風雪中檢測翻譯一樣。如果你能看到的只是白色的，你根本不知道你有翻譯，因此術語whiteout。在你的情況下，該算法可能遭受「綠燈」:)

你可以調整相機設置，以在低光照條件下更好地工作。你有沒有完全打開虹膜？你能忍受較低的framerate？設置較長的曝光時間將允許相機收集更多光線，從而以增加運動模糊爲代價爲您提供更多功能。或者，如果低照度是您的默認環境，您可能需要像紅外相機那樣爲此設計一些東西，但這些可能會很昂貴。除此之外，一個大鏡頭和長時間曝光是你的朋友:)

Histogram equalization可能是在改善圖像對比度感興趣。但是，有時它可能會增加噪音。 OpenCV具有稱爲equalizeHist的全局直方圖均衡功能。對於更加本地化的實現，您需要查看Contrast Limited Adaptive Histogram Equalization或簡稱爲CLAHE。 Here是一篇很好的文章。 This頁面有一些很好的例子和一些代碼。