【发布时间】：2010-12-07 18:12:06
【问题描述】：
我们有一些图片示例。
我们有输入图片集。每张输入的图片都是接下来的东西组合后的一个例子
1) 旋转
2) 缩放
3) 切掉一部分
4) 添加噪音
5) 使用某种颜色的滤镜
保证了人类可以轻松识别图片。
我需要简单但有效的算法来识别我们从哪个基本示例中获取输入图片。
我正在用 C# 和 Java 编写代码
【问题讨论】：
标签： c# java image-recognition
【发布时间】：2010-12-07 18:12:06
【问题描述】：
我认为没有一个简单的算法可以让你在你提到的所有条件下识别图像。
可能涵盖最多的一种技术是Fourier transform 图像，但这不能用任何想象力来描述为简单，并且会涉及一些相当繁重的数学概念。
您可能会发现在包含图像处理的 Digital Signal Processing 字段中进行搜索很有用，因为它们只是二维信号。
编辑：显然问题仅限于识别 MONEY（纸币和硬币），因此搜索的第一个问题是避免使用图像识别产品提及金钱的网站，而不是作为图像的来源。
无论如何，我通过搜索“Currency Image Recognition”发现了更多有用的点击。包括一些提到隐马尔可夫模型（无论那是什么意思）。它可能是您正在搜索的算法。
使用一小组目标图像可以简化问题，但由于需要检测假冒产品而变得复杂。
我仍然认为这项工作没有“简单的算法”。祝您搜索顺利。
【讨论】：
-
这次我想认钱（例如欧元）。有纸币和硬币。因此标准图像的数量不会超过 15 个示例。我猜。我们可以使用每个输入图像的某些特征（例如 R、G、B 参数的某些函数）来识别。我认为，如果我可以删除使用颜色过滤器的结果，这种方法就足够了。
在计算机视觉领域正在进行一些很好的研究。正在解决的问题之一是识别对象，而不考虑比例变化、噪声添加和引入的倾斜，因为照片是从不同的视图中点击的。作为计算机视觉课程的一部分，两年前我几乎没有做任何作业。有一个称为scale invariant feature transform 的转换，您可以通过它提取角点的各种特征。角点是与其所有相邻像素不同的点。如您所见，如果从两个不同的视图单击照片，某些边缘可能会消失并看起来像其他东西，但角落几乎保持不变。这个转换解释了如何为所有角点提取大小为 128 的特征向量，并告诉你如何使用这些特征向量来找出两个图像之间的相似性。在你的情况下 您可以为您拥有的所有纸币之一提取这些特征，并检查您应该测试的测试图像中是否存在这些角点
由于这种转换对旋转、缩放、裁剪、噪声添加和颜色过滤很有效，我想这是我能建议你的最好方法。您可以查看此demo 以更好地了解我的解释。
【讨论】：
OpenCV 有很多算法和功能，我想它应该适合您的问题，但是您必须使用 PInvoke 才能从 c#（它是 C 库）中使用它 - 可行，但需要一些工作。
【讨论】：
您需要构建一组函数来计算两个图像 f(A,B) 之间特定变换的概率。先前已建议将许多转换作为答案，例如傅立叶。您可能无法以任何可靠性一次计算多个变换的概率 fgh(A,B)。因此，您将计算每个变换独立应用 f(A,B) g(A,B) h(A,B) 的概率，并且 P 高于阈值的那些是解决方案。
如果顺序很重要，即您需要知道执行了 f(A,B) 然后 g(f,B) 然后 h(g,B)，那么您需要采用基于状态的概率框架，例如作为隐马尔可夫模型或贝叶斯网络（嗯，这是 HMM 的概括）来模拟状态之间移动的可能性。有关这些或任何优秀的现代 AI 书籍的更多详细信息，请参阅 Matlab 的 BNT 工具箱 (http://people.cs.ubc.ca/~murphyk/Software/BNT/bnt.html)。
【讨论】：