セグメンテーションによる画像登録

通常、画像レジストレーションアルゴリズムは、SIFT（Scale-Invariant Feature Transform）などのポイントフィーチャに基づいています。

ラインフィーチャへの参照をいくつか見ましたが、ポイントの代わりに画像セグメントを一致させることが可能かどうか疑問に思っていました。たとえば、与えられたソースと変換された画像：

それぞれでエッジ検出、ぼかし、および流域変換を行うことができます：

残念ながら、セグメンテーションは、個々のセグメントに一致するには各画像であまりにも異なることが判明しました。

アフィン変換に不変のマッチング形状と形状記述子に関する論文を見たので、この分野は有望であるようです...

画像のアフィン（または射影）変形に対してより堅牢なセグメンテーション方法はありますか？

MSER（最大安定極値領域）は、点ではなく領域です。そして、それらはアフィン変換に対して不変です。しかし、厳密に言えば、それはセグメンテーション方法ではありません

非公式に言えば、アイデアは、さまざまなしきい値でブロブを見つけ、しきい値の範囲で形状/面積の変化が最も少ないブロブを選択することです。これらの領域は、広範囲のグレースケールおよび幾何学的変換に対して安定している必要があります。

現在、比較的新しいアイデアになるはずのコンポーネントツリーを使用してCBIRに取り組んでいます。コンポーネントツリーを使用して画像を記述することで期待される利点は次のとおりです。

• 画像のコンポーネントツリー表現は、画像への変形（射影も）にそれほど依存しません。
• ツリーのさまざまなレベルを調べると、さまざまな詳細レベルまでの比較と操作が可能になります
• 差別化と説明は、低テクスチャ画像の現在の手法よりもうまく機能するはずです。

このトピックに関連する研究を始めたばかりであるため、コンポーネントツリーでイメージを表現し、ベクトル化表現を見つけることによって直接コンポーネントツリーを比較するという、私の目標の漠然としたアイデアしかありません。おそらく、数週間（または数か月）でさらに多くのことを話すことができるでしょうが、現時点では、コンポーネントツリーの紹介として推奨される論文のリストのみを提供できます（まだ読みませんでした）。

• P.サレンビエとMHFウィルキンソン：「コネクテッドオペレーター」
• V. Vilaplana、F。Marques、P。Salembier：「オブジェクト検出用のバイナリパーティションツリー」
• P. Soille、L。Najman：「画像処理と空間データクラスタリングの形態学的階層表現について」

何か関連するものが見つかったら、答えを更新できます。

また、目的が単なる点ではなく画像領域をより正確に一致させることである場合、領域はより差別的である可能性があるため、J。SivicとA. Zissermanには、「Video Google：A Text Retrievalビデオでのオブジェクトのマッチングへのアプローチ」。

空間的一貫性に関するセクションを参照しています。ここでは、特徴点間の一致のグループは、特徴点が両方の画像で同様の空間構成を保持している場合にのみ受け入れられます。したがって、マッチングは、抽出されたフィーチャのタイプ（DoG、MSERなど）または記述子（SIFT）に依存するだけでなく、フィーチャポイントのより広い周囲を調べて（少なくとも少し）作成します。地域依存。