嘈杂图像中的特征检测

Question

我已经建立了一个带有网络摄像头和功能匹配的成像系统，以便在我四处移动摄像头时使用。我可以跟踪相机的运动。我正在做类似于此处，除了网络摄像头框架作为输入。

它对于“好”图像确实非常有效，但是在非常低的光线下拍摄图像时，会出现很多噪点（相机高增益），并且干扰了特征检测和匹配。基本上，它不会检测到任何好的功能，而当它检测到时，就无法在帧之间正确匹配它们。

有人知道对此有好的解决方案吗？还有什么其他方法可以用来查找和匹配特征？

以下是两个具有非常低功能的示例图像：

Answer 1

我认为相位相关将是您最好的选择。它旨在告诉您两个图像之间的相移（即平移）。它比特征检测更具弹性（但不能幸免），因为它在频率空间中运行。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，它非常很快。我在OpenCV干线中有一个实现，该实现的亚像素精度位于此处。

但是，除了中间的折痕之外，图像几乎没有任何“特征”，因此即使相位相关也可能会带来一些麻烦。可以将其视为试图在暴风雪中检测翻译。如果您只能看到白色，则完全无法说出您已经翻译了，因此术语停电。在您的情况下，该算法可能会遭受“ Greenout”问题：）

您可以调整相机设置以在弱光条件下更好地工作。您是否完全打开了虹膜？可以使用较低的帧率吗？设置更长的曝光时间将使相机能够收集更多的光线，从而以增加运动模糊为代价为您提供更多功能。或者，如果默认光线是您的默认环境，则可能需要为此设计的东西，例如红外热像仪，但这可能会很昂贵。除此之外，您的朋友还有一个大镜头和长时间曝光：）

直方图均衡可能对改善图像对比度很有帮助。但是，有时它只会增强噪音。 OpenCV具有称为 equalizeHist 。对于更本地化的实现，您需要查看对比受限的自适应直方图均衡化或 CLAHE 短的。 此处是一篇不错的文章。 此页上有一些漂亮的示例和一些代码。 / p>