Jaka jest różnica między korelacją fazową a dopasowywaniem szablonów w OpenCV?

Question

Niedawno odkryłem korelację fazową w OpenCV, która za pomocą Log Polar Transform (LPT) może przeprowadzać niezmienne dopasowywanie szablonów rotacji i skali. Zastanawiam się, jaka jest różnica między tą metodą a wszystkimi metodami porównywania szablonów opisanymi tutaj http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html, które wydają się znacznie mniej odporne na obrót lub skalowanie.

Chyba moje pytanie brzmi: jakie są zalety i wady:

1. Phase korelacji + Log polarny Transform.
2. Dopasowywanie szablonów.
3. Funkcje pełnowymiarowe pasujące do czegoś podobnego do SIFT.

Answer 1

Faza korelacja i log-polar transformaty są realizowane w dziedzinie częstotliwości, zarówno te algorytmy pochodzą z twierdzeniem Fouriera zmianowym, że dwa obrazy będą tłumaczone pokazać podobną różnicę faz w dziedzinie częstotliwości. Korelacja fazowa jest w stanie zarejestrować tylko ruch translacyjny, podczas gdy transformacja logiczno-polarna działa w domenie log-polar, która zasadniczo przekształca zmiany rotacji i skali w translację liniową. Tak więc przy użyciu dopasowania logarytmicznego można zarejestrować dwa obrazy, które są skalowane i tłumaczone kopiami siebie nawzajem. Oba te algorytmy nie mogą rejestrować transformacji odkształcalnych. Aby uzyskać szczegółową analizę dotyczącą niejednoznaczności i zakresu rotacji i zmienności skali, algorytmy te mogą określić, możesz odwołać się do tego artykułu "http://ieeexplore.ieee.org/document/901003/".

Wyszukiwanie szablonów polega zasadniczo na znalezieniu znanego szablonu w obrazie bazowym przy użyciu różnych metryk podobieństwa (suma kwadratów różnic, znormalizowana korelacja krzyżowa, odległość Hausdorffa itp.). Tak więc dopasowanie może zostać zastosowane na atrybucie przestrzennym (obraz intensywności, mapa krawędziowa, HOG) lub atrybucie częstotliwości (faza). Korelacja fazowa i dopasowanie logarytmiczno-biegunowe mogą zostać zaimplementowane na obrazach o tym samym rozmiarze, więc dopasowywanie szablonów w oparciu o fazę zasadniczo będzie odpowiadało znalezieniu tej samej poprawki w przestrzeni wyszukiwania o największej wartości korelacji.

SIFT, SURF itp generuje duży zestaw wektorów funkcji zależny od różnych parametrów, tak że nie ma na nie wpływu zmiana skali, hałas i zmiany oświetlenia. Jest to bardzo szeroki temat i wiele artykułów jest dostępnych online porównujących ich funkcjonowanie.

Według mojego doświadczenia SIFT, surf jest znacznie bardziej wytrzymałe klasyfikator w lokalizowaniu obiektu w jednym kadrze, ale jeśli planuje zlokalizować obiekt w filmie, w którym czas obliczeniowy jest czynnikiem ograniczającym następnie szablon pasujący służy lepiej.