2012-12-04 99 views
0

我想要的圖像與一組超過1000張圖像進行比較。我正在生成一個photomosaic。我怎樣才能提高我的形象比較算法

我迄今所做的:

我使用的LAB顏色模型來獲得每幅圖像的L A B值,並存儲在KD樹此值。 這是一個具有L A * B *值的3維樹。然後我計算我必須生成光拼接圖像的每個網格的LAB值。我使用最近鄰算法和歐幾里得距離度量來找到最佳匹配。

我得到一個很好的結果,但我想提高我的成績。我讀過關於SIFT的圖像比較,看起來很有趣,我將來會實施它。現在你們能否建議我可以比較亮度,背景顏色等任何其他特徵,或者可能是另一個比歐幾里得好的距離度量?

+0

一個簡單的方法來得到「更好的結果」僅僅是線性每個小photomosaic組件的混合縮放的源圖像。當您查看每張單獨的照片拼貼圖像時,無法確定顏色是否已調整過,但整體效果會更好。 – aardvarkk

+0

你如何評價你的結果?不知道你對「好」的定義是什麼,我們很難提出一些「更好」的東西。 – misha

回答

2

Appart酒店從SIFT,已經使用的另一個特點是通過移土機的距離比較顏色直方圖。你可以看一下試卷,如:
The earth mover's distance as a metric for image retrieval

而且,更類似於SIFT是圖像的GIST,已使用「語義」(或多或少)檢索:其中有
Building the gist of a scene: the role of global image features in recognition
在不使用的照片數百萬現場完成的紙被用於例如: Scene Completion Using Millions of Photographs

您也可以適應使用SIFT對圖像變形的方法(例如SIFT Flow: Dense Correspondence across Scenes and its Applications)來推導圖像比較的度量。通常,標準的SIFT匹配性能很差,您的結果度量標準不是很好:能夠進行良好的匹配會使事情變得更好。

總之,作爲一個評論說,這取決於你想比較和實現什麼(你是什麼意思是「好」):你想匹配的顏色(直方圖)?結構(SIFT)?語義(GIST)?要不然 ...?