image-processing - 噪声图像中的特征检测

Question

我已经构建了一个带有网络摄像头和功能匹配的成像系统，当我四处移动摄像头时；我可以跟踪相机的运动。我正在做类似于 here 的事情，除了网络摄像头帧作为输入。

它对于“好”图像非常有效，但是当在非常低的光线下拍摄图像时会出现很多噪点(相机高增益)，这会扰乱特征检测和匹配。基本上，它不会检测到任何好的特征，即使检测到，也无法在帧之间正确匹配它们。

有人知道解决这个问题的好方法吗？还有哪些其他方法用于查找和匹配特征？

这是两个特征非常低的示例图像:

Answer 1

我认为phase correlation将是您最好的选择。它旨在告诉您两个图像之间的相移(即平移)。它比特征检测对噪声更有弹性(但不是免疫)，因为它在频率空间中运行；而特征检测器在空间上运行。另一个好处是，与特征检测方法相比，它非常快。我在 OpenCV 主干中有一个可用的实现，它是亚像素精确的 here .

但是，除了中间的折痕外，您的图像几乎“毫无特色”，因此即使是相位相关也可能会遇到一些问题。可以把它想象成试图在暴风雪中检测翻译。如果你只能看到白色，你根本无法判断你已经翻译了，因此术语 whiteout .在您的情况下，该算法可能会出现“greenout”:)

您能否调整相机设置以在弱光条件下更好地工作。您是否完全打开了虹膜？你能忍受较低的帧率吗？设置更长的曝光时间将使相机收集更多的光线，从而以增加运动模糊为代价为您提供更多的功能。或者，如果低光是您的默认环境，您可能需要为此设计的东西，例如红外摄像机，但这些可能很昂贵。除此之外，大镜头和长时间曝光是你的 friend :)

Histogram equalization可能对提高图像对比度感兴趣。但是，有时它只会增强噪音。 OpenCV 有一个名为 equalizeHist 的全局直方图均衡函数.对于更本地化的实现，您需要查看对比度受限自适应直方图均衡或 CLAHE简而言之。 Here是一篇关于它的好文章。 This页面有一些很好的示例和一些代码。