如何改进我的图像比较算法答案

【问题标题】：How can I improve my Image comparison Algorithm如何改进我的图像比较算法
【发布时间】：2012-11-22 14:14:40
【问题描述】：

我想将一张图片与一组 1000 多张图片进行比较。我正在生成照片马赛克。

到目前为止我做了什么：

我正在使用 LAB 颜色模型来获取每个图像的 L A B 值并将该值存储在 KD-tree 中。这是一个具有 L A* B* 值的 3 维树。然后我计算图像中每个网格的 LAB 值，我必须为其生成照片马赛克。我使用最近邻算法和欧几里得距离度量来找到最佳匹配。

我取得了不错的成绩，但我想改进我的成绩。我读过关于 SIFT 的图像比较，它看起来很有趣，我将在未来实现它。现在你们能建议我可以比较的任何其他特征，比如亮度、背景颜色，或者可能是另一个比欧几里得更好的距离度量吗？

【问题讨论】：

获得“更好的结果”的一种简单方法是将缩放的源图像与每个小的照片拼接组件线性混合。当您查看每个单独的照片马赛克图像时，您无法确定颜色是否经过调整，但整体效果要好得多。
您如何评估您的结果？在不知道您对“好”的定义的情况下，我们很难提出“更好”的建议。

标签： image algorithm image-processing graphics

【解决方案1】：

来自 SIFT 的 Appart 已使用的另一个功能是通过推土机距离比较颜色直方图。可以看论文如：
The earth mover's distance as a metric for image retrieval

此外，与 SIFT 更相似的是图像的 GIST，已用于“语义”（或多或少）检索：
Building the gist of a scene: the role of global image features in recognition
例如，在使用数百万张照片完成场景的论文中使用了它： Scene Completion Using Millions of Photographs

您还可以调整使用 SIFT 进行图像变形的方法（例如 SIFT Flow: Dense Correspondence across Scenes and its Applications），以得出用于图像比较的指标。通常情况下，标准 SIFT 匹配表现不佳，您得到的指标也不是很好：能够进行良好的匹配会使事情变得更好。

简而言之，正如评论所说，这取决于您要比较和实现的目标（“好”是什么意思）：您要匹配颜色（直方图）吗？结构 (SIFT) ?语义学（GIST）？还是……？

【讨论】：