噪声图像中的特征检测

Question

我已经构建了一个具有网络摄像头和功能匹配的成像系统，因此当我移动相机时;我可以跟踪相机的动作。除了网络摄像头帧作为输入外，我正在做类似here的操作。

它对于“好”图像非常有用，但是在真正低光照下拍摄图像时会出现很多噪点（相机高增益），并且会因特征检测和匹配而混乱。基本上，它没有检测到任何好的功能，当它发生时，它不能在帧之间正确匹配它们。

有没有人知道一个很好的解决方案呢？还有哪些其他方法用于查找和匹配功能？

这里有两个例子图像具有非常低的特点：

Answer 1

我认为phase correlation将是这里最好的选择。它旨在告诉您两幅图像之间的相移（即平移）。它比特征检测更有弹性（但不是免疫），因为它工作在频率空间;而特征检测器在空间上运行。另一个好处是，与特征检测方法相比，它是非常快速的。我在OpenCV trunk中有一个子像素精确的实现，位于here。

然而，除了中间的折痕之外，你的图像几乎是“无特征的”，所以即使是相位相关也可能会有一些麻烦。想想它就像试图在暴风雪中检测翻译一样。如果你能看到的只是白色的，你根本不知道你有翻译，因此术语whiteout。在你的情况下，该算法可能遭受“绿灯”:)

你可以调整相机设置，以在低光照条件下更好地工作。你有没有完全打开虹膜？你能忍受较低的framerate？设置较长的曝光时间将允许相机收集更多光线，从而以增加运动模糊为代价为您提供更多功能。或者，如果低照度是您的默认环境，您可能需要像红外相机那样为此设计一些东西，但这些可能会很昂贵。除此之外，一个大镜头和长时间曝光是你的朋友:)

Histogram equalization可能是在改善图像对比度感兴趣。但是，有时它可能会增加噪音。 OpenCV具有称为equalizeHist的全局直方图均衡功能。对于更加本地化的实现，您需要查看Contrast Limited Adaptive Histogram Equalization或简称为CLAHE。 Here是一篇很好的文章。 This页面有一些很好的例子和一些代码。