Harris köşelerini gerçekten kullanmak zorunda mısınız? Harris köşelerinden sonra daha iyi özelliklere sahip geliştirilen birçok özellik var. Bu makalede iyi bir genel bakış bulunabilir:
Bu makaleye ve kişisel deneyimime dayanarak, ya ilk olarak SIFT boru hattının bir parçası olarak sunulan özellikler olan MSER'e (Maksimal Kararlı Dış Bölgeler) geçmenizi veya hatta DoG (Gaussianların Farkı) ile birleştirmenizi öneririm .
Sorun gerçekten düşük kontrastlıysa , MSER özellikleri sizi gerçekten mutlu etmelidir: ışıklandırma değişikliklerine (oldukça) değişmezler. Kısacası, bunlar bir dizi farklı eşik ikilileştirme yoluyla kararlı görüntünün bağlı bölgeleridir.
Özellik çıkarma işlemi, tanımlayıcıları hesaplamaktan bağımsızdır, bu nedenle yeni özellik çıkarma yöntemlerini işleminize entegre etmek çok zor olmamalıdır.
Ayrıca, Harris köşelerinin bir uzantısı olarak Multiscale Harris köşelerini duydum (ama aslında hiç çalışmadım) . Onlar hakkında çok şey bilmiyorum ve kişisel olarak bu konuda herhangi bir okuma materyali öneremiyorum, bu yüzden makale aramasını bırakıp size en ilginç materyalleri seçiyorum.
Ayrıca, gönderdiğiniz resmin düşük kontrasttan başka sorunları olabileceğini de önerebilir miyim ? Kişisel deneyimime göre, çalılar veya muhtemelen sahip olduğunuz alan gibi bitki örtüsü ve güzel kabarcıklı bulutlar, "genel özellikler" üretme eğilimindedir - diğer birçok özellik olarak eşit derecede benzer (veya farklı) tanımlayıcılara sahip olan özellikler.
Pratik olarak, bu, iki görüntü üzerinde farklı bir perspektiften özellik eşleşmesi yaparken, bu tür yüzeylerden çıkarılan özelliklerin yanlış eşleşme eğiliminde olduğu anlamına gelir. Ben yapmış Usta tezi özellik çıkarma ile büyük bir kısmı fırsatlar özellik eşleştirme kullanılmak üzere de bu sorun üzerinde geldi zaman ileri iki görüntü arasında bir eşyazımı dönüşümü hesaplamak için kullanılan söyledi. O zaman bu sorunu açıklayan başka bir makale bulamadım, ancak tezim genel yaklaşımınız için yardımcı olabilir.
Son olarak, ayarladığınız gibi, çoğu görüntüde iyi çalışan eşikler ve teknikler, çoğunlukla homojen alanları nedeniyle bu tür görüntülerde küçük özelliklere sahiptir. Bu tür görüntüler, özellik eşleştirme (görüntü dikişine genişletilebilecek), içerik tabanlı görüntü alma ve benzer uygulamaların yanı sıra izleme varsayımlarında sorunlara neden olur. Şu anda hiçbir yöntem oldukça iyi çalışmıyor.
Bu tür görüntülerde iyi çalışan yöntemler ve tipik durumlar araştırılmakta ve araştırılmaktadır, örneğin bu cevapta kısaca açıklamaya çalıştığım bir yaklaşım .
