logo标签列表

什么是最佳方法用于模板匹配带有噪声的图像？

opencvpython-2.7image-processingcomputer-vision
4
我有一个大图像(5400x3600)，上面有多个需要检测的CCTV。检测需要很长时间(4-7分钟)并且还需进行旋转。但是，它仍然无法解决某些CCTV的问题。
最好的匹配此类模板的方法是什么？
我正在使用skImage - openCV对我来说不是选项，但我也接受关于这方面的建议。
例如：在下面的图像中，第二张图像正确地与模板匹配，但第一张图像未匹配 - 我猜是由于文本“BLDG…”导致的噪声。

模板：

Template

源图像：

Source image

匹配结果：

Match result

你尝试过使用图像预处理吗，比如自适应阈值化？这可以减少噪声。 我还注意到旋转是绕x轴翻转的，如果旋转只有4个固定选项，那么只搜索这4个选项可能会加快检测速度。 - spoorcc
我将图像转换为仅有黑/白像素。如果这是您的意思，那么旋转本身并不需要时间。我需要完整的360度 - 但由于匹配整个图像需要每个模板9秒（在另一台机器上为5秒），因此我无法低于10度增量。我还没有使用多线程 - 所以这是一个改进点 - 我的目标是在两个核心上总共降低到3分钟。 - anups
我确实是指黑白转换，因此只有0或255。这肯定是多线程的候选项，因为您要执行36个独立操作。只需为每个旋转启动一个线程即可。 OpenCV对您来说不是必选项，但您会接受使用它实现的答案吗？ - spoorcc
创建级联分类器。滑动窗口测试1：黑色像素数量，测试2：与模板（或360度旋转的模板）进行卷积。cv::countNonZero和cv::matchTemplate将完成工作。 - LovaBill
在测试不同的旋转时，你是旋转模板还是搜索图像？我建议保持模板与轴对齐，这样你就会有一个较小的边界框，应该对噪音更不敏感。 - HugoRune
4个回答
2
最快的方法可能是使用一系列经过训练的增强分类器，这些分类器包含您的标志的几个变体，可能还包括一些旋转和一些负面示例（非标志）。您必须大致缩放整个图像，以便测试和训练示例在比例上大致匹配。与在学习和搜索时花费大量时间寻找兴趣点并创建描述符的SIFT或SURF不同，二进制分类器将大部分负担转移到了训练阶段，而您的测试或搜索将更快。
简而言之，级联将以这样的方式运行，即第一个测试将丢弃图像的大部分内容。如果第一个测试通过，则其他测试将跟随并进行优化。它们将非常快速，平均每个点只需要进行几次强度比较。只有少数位置将通过整个级联，并可以通过额外的测试（例如您的旋转相关例程）进行验证。
因此，分类器不仅有效地检测您的对象，而且还可以快速丢弃非对象区域。要了解有关增强分类器的更多信息，请参见以下openCV部分。
0

这个问题通常可以通过Logo检测来解决。请参见this以获取类似的讨论。 有许多强大的模板匹配方法。请参见this或谷歌搜索以获取非常详细的讨论。

但从您的示例中，我可以猜测以下方法会起作用。

  1. 为您的搜索图像创建一个功能。它基本上有一个包含“CCTV”单词的矩形。因此，匹配文本信息的宽度、高度、角度和个体字符特征可能是一个合适的选择。（或者您也可以使用带有“CCTV”的图像。在这种情况下，该方法将不具备比例不变性。）

  2. 现在，在搜索时首先detect矩形。然后使用角度来修剪您的搜索空间，并使用图像转换将矩形与轴平行对齐。（这应该能够解决旋转的需要）。然后根据步骤1中选择的特征，匹配文本内容。如果您使用个体字符特征，则您的模板匹配步骤可能实质上是一个分类步骤。否则，如果您使用图像进行匹配，则可以使用cv::matchTemplate。

希望这有所帮助。

0

符号识别比标志识别更复杂，因为兴趣点在文档图像（如建筑平面图）上的工作很困难。许多会议涉及模式识别，每年都有许多新的符号识别算法，因此无法提供最佳方法。您可以查看IAPR会议：ICPR、ICDAR、DAS、GREC（图形识别研讨会）等。这些研究人员专注于此主题：M Rusiñol、J Lladós、S Tabbone、J-Y Ramel、M Liwicki等。他们致力于改进符号识别的多种技术，例如：向量签名、基于图形的签名等（请在Google学术中查找更多论文）。

开始新方法的简单方法是使用简单的形状，如线条、矩形、三角形，而不是一次匹配所有内容。

-1
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接