Путаница в различных измерениях расстояния :Нормализованная взаимная корреляция, Нормализованный коэффициент корреляции и Коэффициент Бхаттачарьи
-
21-12-2019 - |
Вопрос
Меня смущают эти вышеприведенные меры расстояния - относительно того, какая мера расстояния будет полезна для определения сходства изображений.Я провел свой опрос по этим показателям, и вот мой вывод.Кто-нибудь может сказать мне, не ошибся ли я с каким-либо из показателей расстояния.
1) Нормализованная взаимная корреляция:Это хорошо работает с обычными изображениями и при условии поворота изображений, оно может измерять сходство до некоторой степени, оно плохо работает для изображений с различной яркостью / контрастностью, тогда как оно должно иметь поддержку в соответствии с [http://en.wikipedia.org/wiki/Cross-correlation ] . И он не поддерживает сдвинутые изображения.
2) -Нормализованный Коэффициент корреляции:Он соответствует повернутым изображениям и изображениям с разницей в интенсивности, но не поддерживает сдвинутые изображения.
3) Коэффициент Бхаттачарьи - он хорошо работает на повернутых и сдвинутых изображениях, но для изображений с разницей в интенсивности, то есть яркости или низкой контрастности, он не распознает.
Я знаю, что все эти показатели сходства данных зависят от типа имеющегося у вас набора данных, Но кто-нибудь может мне сказать, не ошибся ли я где-нибудь в результатах своих измерений?
Решение
Все эти термины применимы к вариантам сопоставления шаблонов, как в OpenCV Шаблон соответствия.Во всех этих алгоритмах два изображения сравниваются путем преобразования одного относительно другого, выполнения определенного типа вычислений для перекрывающихся пикселей и возврата числа.
Важно понимать, что при этой операции не выполняется поворот или масштабирование размера, поэтому ни одна из них не особенно хорошо разработана для работы с повернутыми или масштабированными изображениями.То есть, если вы смотрите на объекты, которые повернуты или масштабированы на изображениях, это неподходящие методы для использования.
Большинство различий между различными алгоритмами заключаются как раз в том, как именно сравниваются пиксели.По сути, чем больше нормализуется и корректируется (например, средняя освещенность, общий диапазон яркости и т.д.), тем выше вычислительные затраты и тем лучше результат (для неизвестных ситуаций освещения).Ниже приведены некоторые простые идеи о том, как думать об этом.Нормализованные просто работают с нормализованными данными, хорошо справляются с общими различиями в освещении, как если бы свет в комнате был включен погромче или приглушен.Перекрестная корреляция является наиболее часто используемой, так как она относительно быстрая и дает разумные результаты.Коэффициент корреляции сравнивается относительно среднего значения, так что, опять же, это хороший выбор для учета различий в освещении.Если вы используете изображения на открытом воздухе, вы почти всегда хотите использовать нормализованный метод.Если вы не беспокоитесь о времени вычислений, то нормализованный коэффициент корреляции обычно является лучшим.