Доминирующие источники света, как правило, работает ли он или нет ночью или днем, и будет ли или нет люди в сцене. Объединяя подсветку с обнаружением края, вы можете определить вероятные местоположения источников света сцены и судить о том, какой путь вверх.
EDIT: Большой вопрос - я потратил 5 минут на Google Scholar и не смог найти правильный проблемный домен.
EDIT: Получил его.Это называется «обнаружение ориентации изображения» - не слишком непонятное название.
EDIT: Краткий обзор показывает, что существует два основных подхода:
- Комбинированные классификаторы - обучить множество различных классификаторов и объединить результаты, классический «бросить все, что вы получили на это» бессистемный подход , Здесь большая часть инновационного вклада в работу, как представляется, заключается в том, как создавать новые способы объединения разных классификаторов.
- Специальные функции - выберите конкретный (или небольшой набор конкретных) функций и используйте их для классификации, определения ориентации. Некоторые примеры: распознавание лица + обнаружение края, локальное двойное совпадение шаблона (относительно: работает только между двумя изображениями одного и того же объекта).
В любом случае это, безусловно, интересное поле, и, похоже, больше патентов, чем бумаг, что делает его еще более интересным. Однако я не нашел ничего, что объясняет метод Picasa. Однако я нашел это:
S. Baluja (от Google) опубликовал следующие документы:
Из этого можно сделать вывод, что методы в нем свидетельствуют о том, что использует Google.
Вы видели какие-либо примеры, для которых Picasa не дает правильного результата? Вы пытались загрузить синтетические изображения, чтобы увидеть, как их обрабатывает Picasa? Кроме того, вы могли бы разместить несколько образцов изображений? – Rethunk
duplicate: http://stackoverflow.com/q/1141928 – ergosys
Я нашел несколько документов (и вышеупомянутый дубликат) с помощью запроса Google «алгоритм обнаружения ориентации изображения». – ergosys