분할에 의한 이미지 등록

이미지 등록 알고리즘은 일반적으로 SIFT (Scale-Invariant Feature Transform)와 같은 포인트 기능을 기반으로합니다.

선 기능에 대한 참조를 보았지만 points 대신 이미지 세그먼트 를 일치 시킬 수 있는지 궁금합니다 . 예를 들어 주어진 소스 및 변환 된 이미지 :

여기에 이미지 설명을 입력하십시오

가장자리 감지, 흐림 및 유역 변환을 각각 수행 할 수 있습니다.

여기에 이미지 설명을 입력하십시오

유감스럽게도, 세그먼테이션은 각 이미지에서 개별 세그먼트와 일치하기에는 너무 다른 것으로 판명되었습니다.

변형에 영향을 미치지 않는 일치하는 모양 및 모양 설명자에 대한 논문을 보았 으므로이 영역은 유망한 것으로 보입니다 ...

이미지의 변형을 더 세밀하게 (또는 투영 적으로) 세분화 할 수있는 세분화 방법이 있습니까?

local-features image-segmentation image-registration

— 리보
소스

저의 상식은 작은 지역이 글로벌 혁신에 더 강력하다는 것을 말해줍니다. 따라서 세분화에는 많은 작은 세그먼트가 있어야합니다. 또한 일부 특정 모양 (동그라미와 같은 회전에), 약간의 변환에 불변

— 안드레이 Rubshtein

MSER (최대 안정 극한 영역)은 점이 아닌 영역입니다. 그리고 그들은 변형을 수정하는 데 변하지 않습니다. 그러나 그것은 엄밀히 말하면 세분화 방법이 아닙니다.

— Niki Estner

@nikie 댓글로 답변을하시면, 동의합니다. 영역 기능에 이미지 변환에 대한 정보가 포함되어 있고 이미지 간 변환을 추측하는 데 사용될 수 있기 때문에 분할에 관심이있었습니다. 나는 MSER에 관한 논문을 확실히 공부할 것이다.

— Libor

현재 구성 요소 트리를 사용하여 CBIR을 작업 중입니다. 이미지의 컴포넌트 트리 표현은 이미지에 대한 변형 (투영도)에 크게 의존하지 않으며, 다른 레벨은 다른 세부 사항까지 비교 및 조작 할 수 있으며, 낮은 텍스처 이미지의 현재 기술보다 더 잘 작동합니다. . 지금은 연구 주제 일뿐 이지만 방금 시작되었지만 접근 방식에 무언가가 있기를 바랍니다. 그렇지 않으면이 작업을 수행 할 수있는 권한이 부여되지 않습니다. 그러나 다른 사람들이이 라인을 따라 무언가를했다면 유용 할 것입니다.

— penelope

@penelope CBIR에 대한 이러한 작업은 유사한 기능을 가진 이미지 세트가있는 이미지 모자이크 (내 관심 분야)에도 유용 할 수 있습니다. 현재 널리 사용되는 접근 방식은 포인트 디스크립터 (예 : SIFT)를 통한 고차원 검색으로, 이미지가 아닌 "영역"또는 "컴포넌트"가 이미지를 잘못 식별 할 수 있지만 이미지를 잘못 일치시킬 수 있습니다. 이미지의 컴포넌트 트리 표현에 관한 논문에 대한 언급이 있습니까? 많은 감사합니다.

— Libor

답변:

MSER (최대 안정 극한 영역) 은 점이 아닌 영역입니다. 그리고 그들은 변형을 수정하는 데 변하지 않습니다. 그러나 그것은 엄밀히 말하면 세분화 방법이 아닙니다.

비공식적으로 말하면 다양한 임계 값에서 얼룩을 찾은 다음 임계 값 범위에서 모양 / 면적에서 가장 적은 변화를 갖는 얼룩을 선택하는 것입니다. 이 영역은 광범위한 그레이 스케일 및 기하학적 변환에 안정적이어야합니다.

— 니키 에스 트너
소스

저는 현재 Component Trees를 사용하여 CBIR을 연구하고 있으며 이는 비교적 새로운 아이디어입니다. 컴포넌트 트리를 사용하여 이미지를 설명 할 때 예상되는 몇 가지 장점은 다음과 같습니다.

이미지의 컴포넌트 트리 표현은 이미지의 변형 (투영도)에 크게 의존하지 않습니다.
다른 레벨의 트리를 검사하면 다른 레벨의 세부 사항까지 비교 및 조작 할 수 있습니다.
텍스쳐가 낮은 이미지에 대한 현재 기술보다 차별과 설명이 더 효과적입니다.

방금이 주제와 관련된 연구를 시작하면서 내 목표에 대한 모호한 아이디어를 얻었습니다. 컴포넌트 트리로 이미지를 표현한 다음 벡터화 된 표현을 찾아서 직접 컴포넌트 트리를 비교합니다. 아마 몇 주 (또는 몇 달) 안에 훨씬 더 많은 것을 말할 수있을 것이지만, 지금은 컴포넌트 트리에 대한 소개로 추천 된 논문 목록 만 제공 할 수 있습니다 (아직 읽지 않았습니다).

아마도 관련이있는 것처럼 대답을 업데이트 할 수 있습니다.

또한 목표가 점이 아닌 이미지 영역을 더 정확하게 일치시키는 것이 목표라면 영역이 더 차별적 일 수 있기 때문에 J. Sivic과 A. Zisserman 에서 좋은 제안이 있었습니다. "Video Google : A Text Retrieval 영화에서 개체 매칭 "에 접근 .

Spatial Consistency 다루는 섹션을 참조하고 있는데, 특징점 간의 일치 그룹이 특징점이 두 이미지에서 유사한 공간 구성을 유지하는 경우에만 허용됩니다. 따라서 일치는 추출 된 피처 유형 (DoG, MSER, ...) 또는 디스크립터 (SIFT)에 의존 할뿐만 아니라 피처 포인트의 더 넓은 주변 환경을보고 (적어도 약간) 지역에 따라 다릅니다.

— 페넬로페
소스