SDC
00106v.jpg
00757v.jpg
00888v.jpg
00889v.jpg
00907v.jpg
00911v.jpg
01031v.jpg
01657v.jpg
01880v.jpg
Le but de travail est de rapiécer automatiquement des
négatifs RGB numérisés de Sergei Mikhailovich Prokudin-Gorskii,
comme trop bien expliquer dans l'énoncé
ici
Les méthodes utilisées pour matcher les images ont été:
- SDC (La somme des différences des carré) fut la première méthode utilisée voir résultats plus bas
- CCN (corrélation croisée normalisée). Cependant, cette algorithme était très lent et ne donnait de bons
resultats, alors ils n'y aura pas de résultats pour cette algorithme.
- Une version modifiée du SDC qui divise le score SDC par le nombre de pixel. Puisqu'en déplaçant la deuxième image sur la
première le nombre de pixel "comparé" entre-elles variait, il était préférable de faire une moyenne de la somme des différences
des carré. Un cas extrême serait d'essayer de comparer deux images avec un décalage plus grand que la taille de ces images,
aucune pixels se chevaucheraient et un score de 0 (score parfait) serait le résultat. voir résultats plus bas
- Une comparaison en découpant les images comparées en sous-images et en fesant uniquement la somme des scores qui sont plus
mieux que la médiane (strongHalf_SDC).
L'intuition était que les parties qui sont fortement semblables devraient avoir plus de poids.
À ma surprise, les résultats étaient médiocre.
En rétrospecte, peut-être qu'avec une meilleur distribution méthode distribution de poids que bêtement tronquer sous la médiane l'algorithme aurait été un succès...
- Une méthode avec échantillonage aléatoire à été considéré, mais j'ai préféré les algorithmes déterministes.
L'algorithme SCD modifier a réussi à bien aligner une image de plus que le SCD normal(la 8 ième).
En plus de beaucoup mieux aligner les images pas tout à fait bien aligner 9soit la 3ième et 5ième).
Il semble également que quelques images sont moins 'floue' avec cette deuxième méthode.
| Algorithm | Range | N Hit | M Miss | Missed | ~time per image (sec) |
| SDC | 12 | 6 | 3 | 3-5-8 | 0.5 |
| SDC_norm | 12 | 7 | 2 | 3-5 | 0.5 |
| Algo | Range | N Hit | M Miss | Missed | ~time per image (sec) |
| SDC_norm | 6:5:4:3:2:1 | 4 | 5 | 1-4-7-8-9 | 3.0 |
Le but ici était d'avoir de bons résultats tout en gardant le temps d'execution faible (moins de 5 secondes).
Après plusieurs tentatives, la configuration suivante semblait se démarquer:
1/32 -> [-6,6]
1/16 -> [-5:5]
1/8 -> [-4:4]
1/4 -> [-3:3]
1/2 -> [-2:2]
1 -> [-1:1]
Ici, l'algo SDC modifié et SDC sont inefficaces pour trouver le bon alignement de certaines images.
00029u : j'ai jamais réussi à faire aligner cette image rouge.
00087u : les patrons verticaux répétitifs de la hutte fesait que l'image était souvent décaler.
00128u : Aucune difficulté, le cadre fesait probablement en sorte que l'image était facile à aligner.
00458u : l'image du train est impossible à aligner sans un meilleur algo ou du moins un certain filtrage préalable sur l'image
00737u : Aucun problème. Beaucoup de démarquation, la partie blanche fait le travail presque seule à mon avis.
00822u : Aucun problème. Parfois décaler dû au patron verticaux répétitifs
00892u : J'ai déjà eu de meilleurs résultats, mais j'ai jamais eu un alignement parfait.
Les parties bleus ruines encore les calculs d'alignement. En rétrospecte, un méchaniste pour détecter le ciel et l'eau
et calculer la ressemblance entre deux couleurs auraient grandement aidées pour la plupart des images mal alignées
01043u : Problème de data association à tous coup.
01047u : J'ignore totalement pourquoi celle-çi explosait à chaque fois.
| Algo | Range | N Hit | M Miss | Missed | ~time per image (sec) |
| SDC_norm | 12:9:6:3 | 6 | 4 | 3-6-8-10 | 3.0 |
