使用 SURF 检测低光图像答案

【问题标题】：Detection of low light images using SURF使用 SURF 检测低光图像
【发布时间】：2013-11-17 06:59:25
【问题描述】：

我一直在使用the OpenCV website 的代码来检测物体。我是 OpenCV 和图像处理的初学者，一直在尝试了解 SURF 的工作原理。我有一些疑问。

1.我一直使用彩色图像进行检测，目前效果不错。有人推荐使用灰度图像，会不会提高算法的性能？

2.在代码中，只过滤距离小于3*mindist的匹配有什么意义？

for( int i = 0; i < descriptors_object.rows; i++ )
{ if( matches[i].distance < 3*min_dist )
     { good_matches.push_back( matches[i]); }
}

3.虽然检测在高照度图像中是稳健的（我使用 900 作为粗麻布值），但在低光照条件下，相同的图像不会以相同的粗麻布值检测到，有没有办法同时使用两种情况下相同的粗麻布值和相同的参考图像？cv::equalizeHist() 有用吗？如果有用，有人可以建议我与 SURF 检测代码集成的方法吗？

4.返回matches的DMatch结构有一个参数叫distance，它返回描述符之间的距离。这是什么意思？返回的距离有单位吗？

5.我也想知道在时间复杂度、尺度和旋转不变性方面是否有比SURF更好的描述符用于物体检测。

提前感谢您的时间和回复。

【问题讨论】：

【解决方案1】：

SURF 适用于灰度图像。
有很多错误的随机匹配（因为如果您在 img1 中有 100 个特征，那么您将始终有 100 个匹配）并且过滤它们是个好主意。但更好的是检查相对距离 - 在Use Euclidean distance in SURF 中是如何完成的）
是的，可以使用。您只需使用修改后的图像而不是原始图像。由于暗区的像素强度低和对比度低，您检测到的特征数量很少，这会降低检测器响应。当应用于暗图像时，直方图均衡会增加对比度，从而增加低于阈值的局部最大值的数量。

cv::Mat img1, img1histEq; cv::equalizeHist(img1,img1histEq);
SURF 可以看作是 128 维向量。距离是某个空间中两个这样的向量之间的距离，通常是欧几里得 - 对应向量元素之间的平方差之和。其他指标，例如L1也可以用，但SURF用的最多的是欧几里得。
SIFT 在不变性方面表现更好，但慢了 3 倍。您可以找到不同描述符 here 和 here 的比较。目前尚不清楚“对象检测”是什么意思。您具体需要做什么？

【讨论】：