在一系列图像中检测公共区域的方法答案

【问题标题】：Methods to detect a common area in a series of images在一系列图像中检测公共区域的方法
【发布时间】：2015-09-28 12:57:00
【问题描述】：

假设我们有一系列数字图像 D1,...,Dn。可以肯定的是，我们认为这些图像具有相同的大小。问题是找到最大的公共区域——所有输入图像共享的最大区域。

我想如果我们有一个算法来检测两个输入图像 A 和 B 中的此类区域，我们可以将其推广到 n 个图像的情况。

这个问题中最大的困难是图像 A 中的这个区域不必相同，像素到像素，等于图像 B 中的相同区域。例如，我们取使用手机摄像头拍摄的建筑物的两张照片。我们的手颤抖着，结果第二张照片有点脱落。每张图片中的噪点也增加了不确定性。

我应该研究什么算法来解决这类问题？

【问题讨论】：

给我钱资助 2 个博士生 + 实验室材料，我会写一个答案！
@Ander Biguri，所以你的意思是没有人解决过这个问题，也没有考虑过这个问题的书籍或论文？附言多少钱，顺便说一句？ :)
需要更正式的描述！什么样的“错误”是可能的。仅限于“翻译”，可以使用SAD 作为匹配核心（如视频编解码器）并将其与数学编程或启发式方法相结合。但是缩放/旋转/仿射变换呢？ |边界惩罚如何（例如图像 x 中的部分区域不存在；超出边界）？如果所选区域的大小不同（仅在存在平移以外的几何变换时才相关），一般如何计算这些误差？
@AnderBiguri - .... 是的，如果这样的问题不断出现，看起来我的 DIP 金徽章将不得不等待。
@rayryeng 你不会很快让我们开心的......最近 20 次 DIP 都是这样的。

【解决方案1】：

首先是简单但近似的解决方案。

作为第二个近似值，您可以将全分辨率的图像用作模板，但仅限于上述获得的区域。然后注册关于它的其他图像。注册模型只能平移，但允许旋转会更好。

不幸的是，registration 并非易事。对于您的小位移，Lucas-Kanade 或 Shi-Tomasi 可能是合适的。

配准后，可以重做偏差测试，以获得更好的描绘区域。

【讨论】：

【解决方案2】：

我会使用像 SURF（或 SIFT）这样的方法：计算每张图像的 SURF，然后查看是否有共同的兴趣点。共同兴趣点将是您正在寻找的区域。借助 SURF，区域不必处于相同的位置或规模。

【讨论】：