图像处理:使用 PCA 进行 3d 对象识别

信息处理 图像处理 计算机视觉 opencv
2022-02-07 10:16:36

我读了这个关于使用 PCA/eigenfaces 的讲座:http ://www.cse.psu.edu/~rcollins/CSE486/lecture32.pdf

我想使用这个通用程序来识别我从多个角度拍摄的 3D 粘土模型。

我很难概念化它是如何在软件中实际实现的。我已经“训练”了初始均值和特征向量以离线使用约 40 个图像。所以我有新的输入图像,其中包含我的 3D 模型(或不会)。

我的困惑:我担心我的输入图像中还有很多其他事情发生,以至于应用投影+阈值方程不起作用。似乎我需要多次对我的输入进行子图像化并一遍又一遍地尝试以获得正确的投影(几乎就像多模板匹配)。或者,也许我可以先检测 blob,从 blob 创建子图像,然后尝试投影。

因为我有多个角度的模型,我想可以处理旋转不变性,但是尺度不变性呢?似乎我从输入中获得的任何子图像,我都必须尝试不同的比例。或者我不了解有关如何使用 PCA 的基本知识。

感谢您的任何帮助; 作为参考,我想在 OpenCV(基于 Java)中实现它。

1个回答

主成分分析本身不会提供旋转或尺度不变性。您仍然必须为图像/模板匹配提供旋转和缩放模型的模板。PCA 所做的是通过将一组可能相关变量的观察值转换为一组称为主成分的线性不相关变量的值来降低搜索空间的维数。

现在由于主要组件的数量 <= 组件的数量,您可以节省搜索空间。

讲座试图告诉您的是使用特征向量,您可以获得模板比例的有效表示,它更容易操作(单个比例因子),然后每次都操作整个图像。