Registrazione delle immagini per segmentazione

Gli algoritmi di registrazione delle immagini si basano generalmente su funzionalità puntiformi come SIFT (Trasforma invariante di scala).

Ho visto alcuni riferimenti alle funzioni di linea, ma mi chiedevo se sarebbe stato possibile abbinare segmenti di immagine anziché punti . Ad esempio, data sorgente e immagine trasformata:

Posso eseguire il rilevamento dei bordi, la sfocatura e la trasformazione del bacino su ciascuno:

Purtroppo, la segmentazione si è rivelata troppo diversa su ogni immagine per corrispondere a singoli segmenti.

Ho visto alcuni articoli sull'abbinamento di forme e descrittori di forme che sono invarianti rispetto alle trasformazioni affini, quindi quest'area sembra essere promettente ...

Esistono metodi di segmentazione più robusti per deformare (o addirittura proiettare) le deformazioni dell'immagine?

Le MSER (regioni estreme massimamente stabili) sono regioni, non punti. E sono invarianti alla trasformazione affine. Ma non è un metodo di segmentazione, a rigor di termini

Informalmente parlando, l'idea è quella di trovare BLOB a varie soglie, quindi selezionare i BLOB che hanno il minor cambiamento di forma / area su un intervallo di soglie. Queste regioni dovrebbero essere stabili per una vasta gamma di trasformazioni geometriche e in scala di grigi.

Attualmente sto lavorando su CBIR utilizzando gli alberi dei componenti , che dovrebbe essere un'idea relativamente nuova. Alcuni vantaggi attesi dall'uso degli alberi dei componenti per descrivere le immagini sarebbero:

• La rappresentazione dell'albero dei componenti di un'immagine non dipenderebbe tanto dalle deformazioni (anche proiettive) dell'immagine
• L'esame di diversi livelli dell'albero consentirebbe confronti e operazioni fino a un diverso livello di dettaglio
• La discriminazione e la descrizione dovrebbero funzionare meglio delle attuali tecniche sulle immagini a bassa trama.

Come ho appena iniziato con la ricerca relativa a questo argomento, ho solo una vaga idea dei miei obiettivi: rappresentare l'immagine con l'albero dei componenti e quindi confrontare i suddetti alberi dei componenti, sia direttamente trovando una rappresentazione vettoriale. Probabilmente potrò dire molto di più in poche settimane (o mesi), ma per ora posso offrire solo l'elenco dei documenti che mi sono stati consigliati come introduzione agli alberi dei componenti (non li ho ancora letti):

• P. Salembier e MHF Wilkinson: "Operatori collegati"
• V. Vilaplana, F. Marques e P. Salembier: "Alberi di partizione binari per il rilevamento di oggetti"
• P. Soille, L. Najman: "Sulle rappresentazioni gerarchiche morfologiche per l'elaborazione delle immagini e il clustering di dati spaziali"

Posso forse aggiornare la risposta come e se trovo qualcosa di rilevante.

Inoltre, se il tuo obiettivo è, in un certo senso, abbinare in modo più preciso le regioni dell'immagine anziché solo i punti , poiché le regioni potrebbero essere più discriminatorie, in J. Sivic e A. Zisserman c'era un bel suggerimento : "Video Google: un recupero di testo Approccio alla corrispondenza degli oggetti nei video " .

Mi riferisco alla sezione relativa alla coerenza spaziale , in cui un gruppo di corrispondenze tra punti funzione è accettato solo se i punti funzione mantengono una configurazione spaziale simile in entrambe le immagini. Pertanto, la corrispondenza non dipende solo dal tipo di funzione estratta (DoG, MSER, ...) o dal descrittore (SIFT), ma esamina anche l'ambiente più ampio di un punto caratteristica, rendendolo (almeno un po ') dipendente dalla regione.