Путаница в различных мерах расстояния: нормализованная взаимная корреляция, нормализованный коэффициент корреляции и коэффициент Бхаттачарьи

Меня смущают эти приведенные выше меры расстояния - какая мера расстояния будет полезна для сопоставления сходства изображений. Я сделал свое исследование по этим мерам, и это мой вывод. Может ли кто-нибудь сказать мне, если я ошибся с какой-либо из мер расстояния.

1) Нормализованная взаимная корреляция: это хорошо работает с обычными изображениями и при условии, что повернутые изображения могут измерять сходство до некоторой степени, это не работает для изображений с различной яркостью / контрастностью, тогда как должно поддерживаться в соответствии с [http://en.wikipedia.org/wiki/Cross-correlation%5d. И он не поддерживает сдвинутые изображения.

2) - Нормализованный коэффициент корреляции: он соответствует повернутым изображениям и изображениям с разницей в интенсивности, но не поддерживает смещенные изображения.

3) Коэффициент Бхаттачарьи. Он хорошо работает с повернутыми и сдвинутыми изображениями, но для изображений с разницей в интенсивности, т.е. яркости или низкой контрастности, он не обнаруживает.

Я знаю, что все эти меры сходства данных зависят от типа имеющегося у вас набора данных. Но может ли кто-нибудь сказать мне, ошибся ли я где-нибудь с результатами моих измерений?


person Jonas    schedule 05.06.2014    source источник
comment
Сравнение расстояний бесполезно, пока вы не определите сходство изображений.   -  person old-ufo    schedule 05.06.2014
comment
@old-ufo- Извините, я хочу измерить сходство изображений без сходства расстояния   -  person Jonas    schedule 05.06.2014
comment
Я понимаю. Что вы подразумеваете под сходством изображений? Вы хотите искать дубликаты? Являются ли два изображения красного цвета более похожими, чем один и тот же объект, но с разных точек зрения, или нет? И так далее.   -  person old-ufo    schedule 05.06.2014
comment
@old-ufo- Нет, я не жду дубликатов, я просто ищу похожие изображения из базы данных.   -  person Jonas    schedule 05.06.2014
comment
Поэтому я и спрашиваю, что вы подразумеваете под похожим. Если вы действительно хотите добиться хороших результатов, это не имеет никакого отношения ко всем этим расстояниям, вы должны работать как web.cs.swarthmore.edu/~turnbull/cs97/f08/paper/sivic03.pdf - и это очень важно. Также просмотрите en.wikipedia.org/wiki/List_of_CBIR_engines.   -  person old-ufo    schedule 05.06.2014


Ответы (1)


Все эти термины применяются к вариантам сопоставления шаблонов, как в OpenCV matchTemplate< /а>. Во всех этих алгоритмах два изображения сравниваются путем перевода одного относительно другого, выполнения некоторого типа вычислений для перекрывающихся пикселей и возврата числа.

Важно понимать, что в этой операции не выполняется вращение или масштабирование размера, поэтому ни одна из них не предназначена для работы с повернутыми или масштабированными изображениями. То есть, если вы смотрите на объекты, которые повернуты или масштабированы на изображениях, это неправильные методы для использования.

Большая часть различий между разными алгоритмами заключается в том, как именно сравниваются пиксели. По сути, чем больше это нормализовано и скорректировано (например, среднее освещение, общий диапазон яркости и т. д.), тем выше вычислительные затраты и тем лучше результат (для неизвестных условий освещения). Вот несколько простых идей о том, как думать об этом. Нормализованные просто работают с нормализованными данными, хорошо работают с общими различиями в освещении, как если бы свет в комнате был включен или выключен. Взаимная корреляция используется чаще всего, так как она выполняется относительно быстро и дает приемлемые результаты. Коэффициент корреляции сравнивается со средним значением, так что опять же, это хороший выбор для различий в освещении. Если вы используете изображения на открытом воздухе, вы почти всегда хотите использовать нормализованный метод. Если вас не беспокоит время вычислений, нормированный коэффициент корреляции обычно является лучшим.

person tom10    schedule 06.06.2014