이미지를 비교할 때 어떤 거리 측정법을 사용할 수 있습니까?

일반적으로 평균 제곱 오차 (MSE) 또는 피크 신호 ​​대 잡음비 (PSNR)를 사용하여 두 이미지를 비교하지만 충분하지 않습니다. 이미지 A와 픽셀 화 된 (또는 희미한) 버전 B 사이의 매우 큰 거리를 반환하는 수식을 찾아야하지만 진행 방법을 모르겠습니다. 내 요구에 맞는 좋은 지표는 무엇입니까?

다음은 정답이 아니라 분석하는 이미지의 특성에 따라 적절한 이미지 비교 기술을 선택하는 데 도움이되는 통계입니다.

첫 번째 단계는 다음과 같이 "델타 히스토그램"을 플로팅하는 것입니다.

for (x,y) in [0, width] x [0, height] begin
    delta = abs( SecondImage(x, y) - FirstImage(x, y) )
    hist[delta] += 1
end

이 히스토그램의 도표가 주어지면, 우리는 당신이 찾고있는 변화의 "크기"에 대해 조금 더 알게 될 것이고 더 나은 추천을 할 것입니다.

(또는 일부 샘플 이미지를 게시하십시오. 샘플 이미지가 관심있는 이미지 차이를 나타내지 않는 경우 권장 사항이 열등 할 수 있습니다.)

이미지 세트에서 SSIM (Structural Similarity) 을 테스트 하고 여기에 결과를 게시 할 수도 있습니다. SSIM은 이미지 저하의 방해를 인식하는 인간의 능력을 모방하도록 설계되었으므로 픽셀 화를 감지하지만 흐려지지는 않습니다.

이미지가 사진 이미지가 아닌 경우 (또는 일반적인 사진 피사체 가 아닌 과학적인 이미지 인 경우) 적절하게 자르고 크기가 조정 된 2D 자기 상관의 예를 게시하십시오.

얼굴 인식 이 너무 커서 하나의 질문으로 다루기 가 쉽지 않습니다. 블러 링은 얼굴 인식의 여러 상황에서 발생합니다. 데이터 품질 문제이거나 데이터 처리의 중간 단계로 의도적으로 수행 될 수 있습니다.

얼굴 인식에서 우리는 감지 할 정체성 그러므로 우리는 이미지의 차이를 무시해야 얼굴을 하지 정체성의 차이에 의해 발생합니다. 얼굴 인식에서 무시해야 할 기본 차이점 범주는 포즈, 조명 및 표정입니다.

관련이없는 차이점을 무시하는 일반적인 방법을 표준화 (normalization )라고하며 ,이 방법은 입력 이미지에 다양한 작업을 적용하여 "정규"또는 "전처리 된"이미지를 얻기 위해 변환을 시도하여 식별에 사용할 수 있습니다.

두 번째 방법은 관련이없는 요소와 크게 변하지 않는 이미지에서 특징을 추출하는 것 입니다.

얼굴 이미지의 품질은 캡처 장치 및 캡처 된 환경에 따라 다릅니다. 피사체의 협력없이 (예 : 보안 카메라) 얼굴 이미지를 캡처 할 때, 이미지 품질이 좋지 않은 것은 피할 수없는 결과이며 식별을 방해하지 않도록 소프트웨어로 수정해야했습니다.

공동 캡처에서는 이미지 품질의 전산화 된 측정이 좋습니다. 운영자에게 품질 문제를 알리고 이미지를 다시 가져올 수 있습니다.

블러 링은 탐지를 회피하기 위해 (폐색 및 변이와 함께) 생체 인식의 악의적 인 변조의 예가 될 수 있습니다. 이미지가 디지털 방식으로 인코딩 된 경우 디지털 체크섬 및 암호화 서명으로 문제를 완전히 해결할 수 있습니다. 흐릿한 이미지가 가장자가 물리적 인 인쇄물로 제출되는 경우, 컴퓨터 화 된 얼굴 이미지 품질 측정을 사용하여 이러한 제출을 거부 할 수 있습니다.

얼굴 이미지의 특정 부분 에 2D 로컬 화 가능 기능 이나 관심 지점 이 없으면 의도적으로 흐리게 표시 될 수 있습니다.

그러나 (이미지 편집 소프트웨어의 숙련 된 사용자에 의한) 광범위한 디지털 이미지 변조 범주는 알려진 카메라 모델과 픽셀 통계를 비교하는 디지털 이미지 법의학 만 다룰 수 있습니다 .