Cách ước tính quãng tám và kích thước cho các đặc điểm hình ảnh được đặt ở các góc Harris

Tôi hiện đang làm việc và so sánh hiệu suất của một số trình phát hiện tính năng do OpenCV cung cấp làm cơ sở cho việc kết hợp tính năng trực quan.

Tôi đang sử dụng mô tả SIFT . Tôi đã hoàn thành kết hợp thỏa đáng (sau khi từ chối các kết quả khớp xấu) khi phát hiện các tính năng MSER và DoG (SIFT) .

Hiện tại, tôi đang thử nghiệm mã của mình với GFTT (Các tính năng tốt để theo dõi - Góc Harris) để có được sự so sánh, và vì trong ứng dụng cuối cùng, một bộ tính năng GFTT sẽ có sẵn từ quy trình theo dõi tính năng trực quan.

Tôi đang sử dụng cv::FeatureDetector::detect(...)cung cấp cho tôi std::vector<cv::KeyPoint>đầy đủ các tính năng / điểm chính / vùng quan tâm được phát hiện . Cấu trúc cv::KeyPointchứa thông tin cơ bản về vị trí của tính năng, cũng như thông tin về sizevà octavetrong đó điểm chính đã được phát hiện.

Kết quả đầu tiên của tôi với GFTT rất tệ cho đến khi tôi so sánh các thông số sizevà octavethông số điển hình trong các loại tính năng khác nhau:

• MSER đặt kích thước (trong khoảng từ 10 đến 40px) và để quãng tám thành 0
• DoG (SIFT) đặt cả kích thước và quãng tám ( tỷ lệ kích thước / quãng tám trong khoảng từ 20 đến 40)
• GFTT các tham số luôn là : size = 3 , octave = 0

Tôi cho rằng đó là vì mục đích chính của các tính năng GFTT không được sử dụng để khớp mà chỉ trong theo dõi. Điều này giải thích chất lượng thấp của kết quả khớp, vì các mô tả được trích xuất từ ​​các tính năng nhỏ như vậy sẽ không bị phân biệt đối xử và bất biến đối với nhiều thứ , bao gồm cả các thay đổi nhỏ, 1 pixel.

Nếu tôi tự đặt sizecủa GFTT đến 10-12 , tôi nhận được kết quả tốt, rất giống với khi sử dụng MSER hoặc con chó (SIFT) .

Câu hỏi của tôi là: có cách nào tốt hơn để xác định mức tăng size(và / hoặc octave) so với chỉ-đi-với-10-xem-nếu-nó-hoạt động không? Tôi muốn tránh mã hóa sizetăng nếu có thể và xác định nó theo chương trình, nhưng mã hóa vẫn ổn miễn là tôi có một số đối số chắc chắn ủng hộ các lựa chọn của tôi về thuật toán mới size/ sizetăng / sizeước tính .

Tôi không chắc chắn thực sự có một câu trả lời tốt cho câu hỏi chính xác của bạn: điều không gian tỷ lệ của SIFT và SURF thực sự được phát triển để tự động ước tính kích thước lân cận "tốt" xung quanh một điểm chính giống như góc (đó là những tính năng tốt để theo dõi được).

Bây giờ, câu trả lời tích cực hơn sẽ là:

• xây dựng cơ sở dữ liệu về các điểm chính và kết quả phù hợp (ví dụ: sử dụng các mẫu hiệu chuẩn vuông) và tạo một đánh giá hiệu suất tự động trên cơ sở dữ liệu này để tìm kích thước chính xác. Nhiệm vụ này thực sự có thể thực sự được tự động hóa (xem công việc của Mikolajchot và Schmid về đánh giá khớp điểm)

• nhúng các tính năng tốt của bạn trong một kim tự tháp hình ảnh để có một số loại tỷ lệ liên quan đến chúng. Bạn có thể tìm tài liệu tham khảo về các điểm quan tâm FAST và Harris đa quy mô, thực hiện điều gì đó rất giống với quy trình này.

Để tìm kích thước khối tối đa, bạn có thể tính toán ước tính hình ảnh của mình với độ mờ của hộp (ít nhiều là những gì toán tử blockSize làm) và xem khi góc biến mất. Tuy nhiên, lưu ý rằng việc làm mờ nhiều hơn sẽ khiến góc xa khỏi vị trí thực của nó.

Nếu bạn thực sự đang tìm kiếm một số sửa chữa nhanh và bẩn, hãy thử các kích thước trong khoảng từ 5x5 đến 11x11 (kích thước điển hình được sử dụng trong kết hợp khối âm thanh nổi). Nếu bạn đang tìm kiếm một tiêu chí thỏa mãn trí tuệ, thì hãy cố gắng tối đa hóa khả năng kết hợp tốt hai điểm tính năng dưới mức độ nhiễu của bạn.

Để giúp bạn xác định các tham số tốt nhất cho các máy dò, OpenCV có AjusterAd CHƯƠNG cho mục đích đó. Tôi không bao giờ sử dụng nó cho mình nhưng nó có lẽ là cách tiêu chuẩn để xác định các tham số theo chương trình. Cũng cần lưu ý rằng mặc dù Keypoint có một số thuộc tính, nhưng không phải tất cả đều có ý nghĩa đối với tất cả các thuật toán. Bởi vì cấu trúc Keypoint được sử dụng cho các thuật toán khác nhau, nó có tất cả các trường đó nhưng đôi khi chúng không được sử dụng, đó là lý do tại sao bạn có các octave = 0; IMO.