Image processing 如何使归一化互相关对均匀区域中的微小变化具有鲁棒性

问题描述如下：

给定2组数据：A={ 91 87 85 85 84 90 85 83 86 86 90 86 84 89 93 87 89 91 95 97 91 92 97 101 101 },

B={133 130 129 131 133 136 131 131 135 135 133 133 133 131 135 131 129 131 132 132 130 127 129 137 134 },

如果A表示（x，y）位置周围背景图像的一组像素，则B表示（x，y）位置周围照明变化的不同图像的另一组像素

计算的归一化互相关（NCC）为0.184138251 （来自）

计算出的NCC告诉我们集合A和集合B不同。但事实上，A和B在不同的照明条件下是相同的像素组

结果表明，NCC对相对变化较小的数据集中的微小变化非常敏感。例如，如果标准偏差和平均值之间的比率表示每个数据集中的相对变化，则集合A中的相对变化=0.057684745，集合B中的相对变化=0.018484007

有谁能帮我弄清楚如何在NCC公式中加入相对变化因子，这样修改后的NCC对数据集中的微小变化具有鲁棒性，而每个数据集中的变化都非常小？ 此外，修改后的NCC的输出仍然需要为-1:1

---

非常感谢。

在关联之前对图像进行规范化可能会有所帮助！ 如果你有选择，我建议你测试相位相关性 你会发现一篇很有趣的论文

---

我希望这会有所帮助这里有两个问题：

对噪音有抵抗力

对光照变化具有鲁棒性

对于噪声鲁棒性，我建议您应用一些去噪算法。根据您的应用程序、计算限制、知识。。。您可以尝试简单的中值滤波，或更复杂的双边滤波或非局部平均值。这些算法中的每一种都将保留图像的大部分精细结构（这对于NCC非常重要）

---

然后，为了对照明变化具有鲁棒性，可以首先应用简单的直方图匹配过程。如果效果不够好，你应该试试Julie Delon专门为这种立体匹配开发的（pdf）。它相对容易实现（我用OpenCV/C++在几个小时内完成了这项工作）。

你可能会在math.stackexchange.com更走运。谢谢，如果有人能帮助我，我会这么做的。考虑到数据，NCC=0.184对我来说很好。照明变化的范围从简单到非常复杂的情况，您将无法充分考虑它。您可能希望在考虑应用NCC之前调整数据，然后您需要一个不同的问题，在这一点上更详细。您的数据集a和B看起来不同。试着画A和B，你们会看到不同。因此，NCC的计算给出了有效的结果。这种变化是由摄像机噪声和照明引起的。我知道NCC是有效的，但如果每个数据集内的固有方差很小，它就不能处理小的变化。组A中的相对变化=0.057684745，组B中的相对变化=0.018484007。（注意，数据集A和数据集B在不同照明下属于同一像素组。