क्या आपको वास्तव में हैरिस कोनों का उपयोग करना है? बेहतर गुणों के साथ हैरिस कोनों के बाद कई विशेषताएं विकसित हुई हैं। इस लेख में एक अच्छा अवलोकन पाया जा सकता है:
उस लेख के साथ-साथ मेरे व्यक्तिगत अनुभव के आधार पर, मैं या तो MSER (Maximally Stable Extermal Region) पर स्विच करने का सुझाव दूंगा , या यहां तक कि उन्हें DoG (गौसियंस का अंतर) के साथ जोड़ दूंगा - पहली बार SIFT पाइपलाइन के एक भाग के रूप में प्रस्तुत की गई सुविधाएँ।
यदि समस्या वास्तव में कम विपरीत है , तो एमएसईआर सुविधाओं को वास्तव में आपको खुश करना चाहिए: वे प्रकाश में परिवर्तन के लिए (काफी) अपरिवर्तनीय हैं। संक्षेप में, वे विभिन्न थ्रेशोल्ड बायनेरिज़ेशन की एक श्रृंखला के माध्यम से स्थिर छवि से जुड़े क्षेत्र हैं।
फीचर निष्कर्षण प्रक्रिया वर्णनकर्ताओं की गणना से स्वतंत्र है, इसलिए आपकी प्रक्रिया में फीचर निष्कर्षण के नए तरीकों को एकीकृत करना बहुत कठिन नहीं होना चाहिए।
इसके अलावा, मैंने हैरिस के कोनों के विस्तार के रूप में मल्टीस्केल हैरिस कोनों के बारे में (लेकिन वास्तव में कभी काम नहीं किया है) के बारे में सुना है । मैं उनके बारे में ज्यादा नहीं जानता और व्यक्तिगत रूप से इस विषय पर किसी भी पढ़ने की सामग्री की सिफारिश नहीं कर सकता, इसलिए मैं लेख खोज और आपके लिए सबसे दिलचस्प सामग्री चुन रहा हूं।
इसके अलावा, मैं सुझाव दे सकता हूं कि आपके द्वारा पोस्ट की गई छवि में कम विपरीत के अलावा अन्य समस्याएं हो सकती हैं । मेरे व्यक्तिगत अनुभव में, वनस्पति जैसे झाड़ियों या संभवतः आपके पास क्षेत्र, साथ ही प्यारे चुलबुले बादल "जेनेरिक सुविधाओं" का उत्पादन करते हैं - ऐसी विशेषताएं जो समान रूप से समान (या असमान) वर्णन करने वालों को अन्य सुविधाओं के समान हैं।
व्यावहारिक रूप से, इसका मतलब यह है कि जब अलग-अलग दृष्टिकोण से दो छवियों पर फीचर मिलान करते हैं, तो इस प्रकार की सतहों से निकाले गए फीचर्स का गलत तरीके से मिलान किया जाता है। मैंने एक मास्टर थीसिस किया है कि जब मैं इस समस्या के पार आया तो दो छवियों के बीच एक होमोग्राफी परिवर्तन की गणना करने के लिए उपयोग किए जाने वाले फ़ीचर निष्कर्षण में उपयोग किए जाने वाले फीचर एक्सट्रैक्शन के साथ एक बड़े हिस्से का सौदा करता है। मुझे उस समय इस समस्या का वर्णन करने वाला कोई अन्य लेख नहीं मिला, लेकिन मेरी थीसिस आपके समग्र दृष्टिकोण के लिए सहायक हो सकती है।
अंत में, जैसा कि आपने सेट किया है, थ्रेसहोल्ड और तकनीकें जो कि ज्यादातर छवियों पर ठीक काम करती हैं, इस तरह की छवियों में बहुत कम विशेषताएं हैं, क्योंकि इसके ज्यादातर सजातीय क्षेत्र हैं। इस तरह की छवियां फ़ीचर मैचिंग (जो कि इमेज स्टिचिंग तक बढ़ाई जा सकती हैं), कंटेंट बेस्ड इमेज रिट्रीवल में समस्याएँ पेश करती हैं, और मैं ट्रैकिंग के साथ-साथ इसी तरह के एप्लिकेशन भी मानती हूँ। वर्तमान में कोई भी विधि उन पर बहुत अच्छी तरह से काम नहीं करती है।
इस तरह की छवियों के साथ-साथ ठेठ मामलों पर काम करने वाले तरीकों का पता लगाया जा रहा है और वर्तमान में शोध किया जा रहा है, जैसे कि एक दृष्टिकोण मैंने इस उत्तर में संक्षेप में वर्णित काम करना शुरू कर दिया है ।
