【图像拼接】论文精读：Adaptive As-Natural-As-Possible Image Stitching（AANAP）

已于 2024-03-14 14:33:45 修改
阅读量10w+ 收藏 11
点赞数 2
分类专栏： 图像拼接论文精读 文章标签： python CVPR image stitching 图像拼接 全景拼接
于 2021-12-02 16:56:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36584673/article/details/121478532
版权
本文介绍了Adaptive As-Natural-As-Possible (AANAP)图像拼接算法，旨在创建自然且无马赛克的全景图。该方法结合局部单应模型与全局相似变换，通过线性化单应性减少透视扭曲，并使用全局相似变换提升非重叠区域的拼接效果。实验表明，该方法在减少视差和透视失真方面表现出色，提高了图像拼接的自然度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文对应的代码解读：

【图像拼接】源码精读：Adaptive As-Natural-As-Possible Image Stitching（AANAP/ANAP）

文章目录

论文地址：Adaptive As-Natural-As-Possible Image Stitching

论文题目：自适应尽可能自然的图像拼接

关键词：图像拼接，自然，平滑

看标题知：文章的目的是使拼接的全景图看起来更加自然。

摘要

图像拼接的目标是创建一个看起来自然且没有马赛克的拼接图，但是拼接图往往会由于相机运动，强度改变，光照偏差等因素拼接效果不好。本文提出了一个新颖的拼接方式——对整张图片使用平滑拼接场，从而解释所有的局部变换。计算扭曲是全自动的，局部单应性和全局相似变换相结合。二者都用来估计目标。我们在没有重叠的区域使用线性单应性并慢慢改变它到全局相似性，以此减少了透视变换的损失。这种方式简单被多个图生成，并且自动

了解本专栏 订阅专栏 解锁全文
【图像拼接】源码精读：Adaptive As-Natural-As-Possible Image Stitching（AANAP/ANAP）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
01-10 2万+
论文题目：Adaptive As-Natural-As-Possible Image Stitching - 自适应尽可能自然的图像拼接注：matlab代码，需要与APAP源码配合使用【图像拼接论文精读】专栏对应文章【图像拼接】论文精读：Adaptive As-Natural-As-Possible Image Stitching（AANAP）配合对应的文章阅读，效果更佳！注：请重点关注代码段中的注释！！！有一些讲解的东西直接写在代码段的注释中了，同时多关注红色字体和绿色字体！！！
【图像拼接】论文精读：A view-free image stitching network based on global homography（VFIS）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
12-14 2万+
图像拼接是一项传统但具有挑战性的计算机视觉任务，旨在获得无缝的全景图像。最近，研究人员开始使用深度学习研究图像拼接任务。然而，现有的学习方法在图像捕获过程中假设视图相对固定，因此对灵活视图案例的泛化能力较差。为了解决上述问题，我们提出了一种基于全局单应性的级联无视图图像拼接网络。这种新颖的图像拼接网络对图像视图没有任何限制，可以分三个阶段实现。特别是，我们首先从不同视图估计两个输入图像之间的全局单应性。然后，我们提出了一种结构拼接层，利用全局单应性得到粗拼接结果。在第一阶段，我们设计了一个内容修订网络来消除
【论文精读】Adaptive As-Natural-As-Possible Image Stitching
qq_46111316的博客
09-13 4543
论文下载链接 这篇论文是CC Lin等人发表在CVPR 2015上的一篇关于图像拼接的论文。 一、实验结果复现 代码下载链接 AANAP这篇论文的代码是YaqiLYU在APAP论文代码的基础上实现的，也是使用MATLAB编写的代码。在上面的代码下载链接中的README.md中详细介绍了如何运行代码，在此我简单的介绍一下： HOW TO START: 第1步：下载APAP: 在https://cs.adelaide.edu.au/~tjchin/apap/ 下载APAP的MATLAB代码，解压后得到./md
[Computer Vision 7] Adaptive As-Natural-As-Possible Image Stitching
小百合和小老袁
06-16 970
Local Homography ModelOnly in overlapping region: The local homograph is estimated by including a offset weight.H at the location p_j: h_j = argmin Σ ω_i,j ||Ah_j||^2 (p_i: matching points, Wj =  diag...
阅读笔记（CVPR2015）Adaptive As-Natural-As-Possible Image Stitching
小秋在路上~
02-18 1388
Lin C C, Pankanti S U, Natesan Ramamurthy K, et al. Adaptive as-natural-as-possible image stitching[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015: 1155-1163.
探秘自然之美：AANAP - 自适应无痕图像拼接工具
gitblog_00423的博客
08-08 454
探秘自然之美：AANAP - 自适应无痕图像拼接工具 AANAPAn implementation of AANAP in CVPR 2015 paper.项目地址:https://gitcode.com/gh_mirrors/aa/AANAP 在图像处理领域，图像拼接是一个重要的技术，它能够将多张图片整合为一个统一的视野，广泛应用于全景摄影、虚拟现实等场景。今天，我们向您推荐一款由YaqiLY...
图像拼接CVPR2015文章——AANAP代码详解
zhangzhao147的博客
08-02 1044
Adaptive As-Natural-As-Possible Image Stitching是CVPR2015的一篇文章代码文章pdf文章提出了一种新的图像拼接方法，结合了几种技术，使全景图看起来更加自然。（1）为了减轻As-Projective-As-Possible (APAP) [12]拼接中出现的透视失真，我们对与其他图像没有重叠的区域中的单应性矩阵进行了线性化处理。（2）自动估计了在重叠区域中使用一部分对应点得到的全局相似变换。
【图像拼接】论文精读：Line meets as-projective-as-possible image stitching with moving DLT（L-mDLT）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
12-12 2万+
我们提出了一种具有线对应关系的空间变化拼接方法。我们的动机是观察到点特征在实践中可能是空间偏差的，或者不匹配，例如人造结构的重复纹理或均匀区域。在这种情况下，线匹配可以提供强大的对应关系以及补充线索，例如结构保留属性。有了这些优点，我们采用了一种特征融合方法，将点和线对应结合到一个统一的框架中，用于空间变化的拼接。然后我们使用几何误差估计点和线项之间的平衡参数。我们的实验显示了具有挑战性但常见情况的准确对齐。
【图像拼接】论文精读：Geometric Structure Preserving Warp for Natural Image Stitching（GES-GSP）
热门推荐
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
07-28 9万+
CVPR 2022 图像拼接 GES-GSP 论文详细解读
SPHP论文翻译
qq_42383076的博客
10-14 1419
Shape-Preserving Half-Projective Warps for Image Stitching摘要1、Introduction2、Related Work3、The proposed warp3.1. Analysis of the projective transformation3.2. Half-projective warp3.3. C1 extrapolation4、Image stitching4.1. Shape-preserving image stitching4.2
基于多单应性矩阵的图像拼接
03-27
该文件中包含了Adaptive as-natural-as-possible image stitching论文以及As-Projective-As-Possible Image Stitching with Moving DLT这两种较为经典的图像拼接方法。具体包含了ransac算法、multi-GSsampling算法、求取单应性矩阵Homography的奇异矩阵算法、相似矩阵变换的求取、图像翘曲、局部单应性矩阵权重占比、图像融合等算法。具体过程为：1.利用sift算法提取特征点 2.利用ransac multi-gs算法求取单应性矩阵H 3.利用moving DLT求取reference image的翘曲 4.利用提到的线性单应性矩阵H_linear求取网格化后的局部单应性矩阵 5.图像融合及拼接
图像拼接领域的经典文章以及常用的算法函数（一）（SIFT，APAP，AANAP，Seam-sutting，HomographyNet等等）
Hhsh672772的博客
03-22 3843
1、特征点的匹配 首先进行SIFT的特征点的匹配： SIFT特征点的提取与匹配是图像拼接的第一步，如何提取到有效的，鲁棒性强的特征点是接下来的工作的重要前提，搞清楚什么是尺度空间极值检测、关键点定位、方向确定、关键点描述。(注：可以使用matlab中的vl-feat中的sift函数进行特征点的提取) (45条消息) SIFT算法详解_zddhub的博客-CSDN博客_sift 对于特征点的提取匹配问题一直是比较棘手的问题，对于视差变化较大的图像来说，如何消除来自视差的影响至关重要。 ...
【图像拼接】论文精读：Optimized Seam-Driven Image Stitching Method Based on Scene Depth Information
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
02-02 1万+
用连续的深度变化和复杂的纹理拼接图像是非常具有挑战性的。为了解决这个问题，我们提出了一种优化的接缝驱动图像拼接方法，该方法考虑了场景的深度、颜色和纹理信息。具体来说，我们设计了一种新的能量函数来减少接缝附近的结构失真，提高接缝的不可见性。通过在能量函数的平滑项中引入深度信息，引导接缝通过相似度高的图像的连续区域。实验结果表明，该方法得益于新定义的能量函数，能够找到适应场景深度的接缝，有效避免接缝通过显着对象，从而实现高质量的拼接结果。与代表性图像拼接方法的比较证明了所提出的方法的有效性和泛化能力。
AANAP代码学习
DXT的博客
05-25 5458
Code:YaqiLYU/AANAP Paper:Adaptive As-Natural-As-Possible Image Stitching 1、加载并显示图片 加载两幅图片：img1、img2，把img2大小resize为img1大小。 %% Global options % 0 - Bilinear interpolation, implementation by MATLAB锛宻...
图像拼接现在还有研究的价值吗？有哪些可以研究的点？现在技术发展如何？
Look Forward To
08-07 1万+
YaqiLYU计算机视觉／图像处理／深度学习收录于编辑推荐 · 442 人赞同了该回答周末加班偷偷懒，先来回答一下，瞎说轻拍orz。答案是当然有，图像拼接的第二春13年开始的，这里再简单总结和展望一下。一个(全局)单应性对齐+柱面或球面投影+光束平差+多频带融合为核心的老一代拼接算法以BROWN大神03’ICCV和07’IJCV的AutoStitch AutoStitch为里程碑，已经非常成熟，各...
CVPR 2015 papers
3D Vision
06-27 3万+
From:   http://www.pamitc.org/cvpr15/program.php?from=timeline&isappinstalled=0 Monday, June 8 8:30am-8:40am Ballrooms A,B,C Rooms 302,304,306 Opening Remarks from Conference
feval
weixin_41484240的博客
06-27 5714
语法[y1,y2,...] = feval(fhandle,x1,x2,...,xn) [y1,y2,...] = feval(fname,x1,x2,...,xn)12描述第一种用法中的fhandle是一个函数的handle，x1,x2,…xn是该函数的参数，函数的handle怎么写，看下面的例子 第二中用法中的fname是一个字符串表示的函数名称。注意，该名称必须是简单名称，也即不能包含路径，...
图像拼接 | 《Coarse-to-fine Seam Estimation for Image Stitching》论文笔记
阿木寺的博客
05-31 2666
《Coarse-to-fine Seam Estimation for Image Stitching》arXiv：https://arxiv.org/abs/1805.09578发表时间：2018-05-24编辑者：Amusi编辑时间：2018-05-31目的创新点名词翻译摘要1 引言2 相关工作3 由粗到细的缝估计A 传统的缝切割B Patch-point 估计算法C 缝估计优化D 提出由粗到...
【入门】【入门】三角形类别
最新发布
11-04
在计算机程序设计中，尤其是面向对象编程中，我们可能会创建一个"三角形"类别（也称为类或类结构），作为几何形状的一种抽象表示。三角形是一个基本的图形，它由三条线段（边）连接三个点（顶点）构成。这个类通常会包含属性，如边长或角度，以及一些方法，如计算周长、面积等。 例如，在Python中，一个简单的三角形类可能如下所示： ```python class Triangle: def __init__(self, side1, side2, side3): self.side1 = side1 self.side2 = side2 self.side3 = side3 # 计算周长 def perimeter(self): return self.side1 + self.side2 + self.side3 # Heron公式计算面积（假设所有边都是实数） def area(self): s = self.perimeter() / 2 return (s * (s - self.side1) * (s - self.side2) * (s - self.side3)) ** 0.5 # 使用示例 triangle = Triangle(3, 4, 5) print("Perimeter:", triangle.perimeter()) print("Area:", triangle.area()) ``` 在这个例子中，`Triangle`类就是一个基础的三角形分类，提供了初始化边长的方法和计算周长和面积的方法。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十小大

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值