相对无特征对象的图像配准技术答案

【问题标题】：Image registration techniques for relatively featureless objects相对无特征对象的图像配准技术
【发布时间】：2016-03-15 21:04:46
【问题描述】：

我正在尝试执行图像注册，但运气不佳。

下面的图片是我的“参考”图片。我使用网络摄像头获取同一对象在不同方向的图像，然后需要对这些图像执行转换，以使它们看起来尽可能接近参考图像。

我一直在使用Aforge.NET 和Accord.NET 库来解决这个问题。

特征检测/提取

到目前为止，我已经尝试过this文章中使用的图像拼接方法。它适用于某些类型的图像，但不幸的是它似乎不适用于我的示例图像。对象本身相当平淡，没有太多特征，因此算法找不到很多相关点。我尝试了上述方法的两种版本，一种使用 Harris 角点检测器，另一种使用 SURF，但都没有提供我需要的结果。

一种选择可能是“人为地”为对象添加更多功能（即贴纸、标记），但如果可能的话，我想避免这种情况。

形状检测

我还尝试了this 文章中使用的形状检测方法的几种变体。理想情况下，我想检测物体上四个定义明确的圆圈/孔。然后我可以使用这些坐标来创建一个转换矩阵（单应性？），我可以用它来转换图像。

很遗憾，我无法可靠地检测到所有四个圆圈。我已经尝试了无数不同的方法来预处理图像以获得更好的圆形检测，但无法找到完美的序列。我的正常操作是：

我只是找不到合适的过滤器系列来可靠地检测四个圆圈。

图像/模板匹配

再次，我想检测对象中的四个圆圈/孔，所以我尝试了一种图像/模板匹配技术，但收效甚微。我创建了一个模板（其中一个圆圈的小图像）并运行Exhaustive Template Matching 算法，但没有取得多大成功。通常它只检测其中一个孔，通常是创建模板的那个孔！

总结

我觉得我正在使用正确的技术来解决这个问题，我只是不确定我哪里出错了，或者我应该进一步关注哪里。

任何帮助或指点将不胜感激。

【问题讨论】：

【解决方案1】：

我知道这已经有一段时间了，但只是一个简短的潜在解决方案：

我会在原始图像（比如 16x16）上生成一个点网格，然后使用 Lucas-Kanade（或其他一些）特征检测器在第二张图像上找到这些点。当然，您可能不会找到所有点，但您可以排序并选择最佳相关性。比方说，最好的四个？然后你可以很容易地计算出一个变换矩阵。

此外，如果您在第一个网格上没有获得良好的相关性，那么您可以制作其他网格（移位等），直到找到好的匹配。

希望对任何人都有帮助。

【讨论】：

【解决方案2】：

如果您添加了您试图保持不变的转换示例 - 我们可以更具体。但一般来说，你可以尝试使用HOG 来检测这种结构，因为它的梯度相当丰富。

HOG 主要用于检测行人，此外它也适用于检测不同的标志。

我不确定 HOG 对旋转的不变性，但它在不同的光照和适度的透视失真下相当稳健。如果旋转不变性很重要，您可以尝试在对象的旋转版本上训练分类器，尽管您的检测器可能会变得不那么有辨别力。

在您大致检测到结构的比例和位置后 - 您可以尝试通过检测其边界的椭圆来对其进行细化。之后，您将对孔洞进行粗略估计，您可以使用该邻域中的最大 normalized cross correlation 之类的东西进一步细化。

【讨论】：