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？
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 ...？
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
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