【图像拼接】论文精读：Shape-Preserving Half-Projective Warps for Image Stitching（SPHP）

十小大

已于 2024-03-14 14:34:10 修改

阅读量10w+

点赞数 3

分类专栏：图像拼接论文精读文章标签：计算机视觉图像拼接 image stitching CVPR 人工智能

于 2021-12-08 21:01:36 首次发布

本文链接：https://blog.csdn.net/qq_36584673/article/details/121745027

版权

图像拼接论文精读专栏收录该内容

140 篇文章 ¥179.90 ¥299.90

订阅专栏

本文提出了一种新的图像拼接技术——形状保护的半投影扭曲，结合投影变换和相似变换，减少形状和大小失真。通过对给定的投影变换分析，作者提出了一种在重叠区域使用投影扭曲而在非重叠区域采用相似扭曲的策略，以实现平滑过渡。此外，该方法还能与APAP方法结合，提高拼接准确性。实验表明，该方法在保持透视的同时降低了区域损失，提高了图像拼接质量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要

文章提出了一个新的参数变换——投影变换和相似变换结合。给定两张输入图片的投影变换，基于投影变换分析，该方法计算重叠区域的投影变换和非重叠区域都是平滑的，并且结果的扭曲会从投影到相似逐渐改变。这种变换加强了投影和相似变换。，当图片作为相似变换时的透视效果被保护时，投影变换有很好的拼接准确度。也可以和更先进的基于局部扭曲的配准方法APAP结合达到更高的准确度。在这种方法下，拼接图的视野会扩大，投影损失更少。（形状拉伸，大小更大）

1.介绍

图像拼接是一个把几张图片结合成一张视野范围更广泛大图的过程。为了鲁棒性更强，图像拼接问题被很好地解决通过全局参数扭曲，使图片拼接更准。全局扭曲的广泛选择包括相似性，仿射和投影变换。尽管它们的鲁棒性很强，但是全局扭曲对于所有类型的场景和运动并不是足够灵活。例如，投影扭曲只在平面场景或无视差相机运动情况下才能配准。

为了解决全局扭曲模型不充足问题和改善匹配的准确度，最近有几种局部扭曲模型被提出，例如SVA、APAP。为了更好的准确度，而不是依赖单一全局扭曲，这些方法在重叠区域采用多局部参数扭曲来解决拼接不准的问题。对于非重叠区域，投影（仿射）正则化平滑地推算图像重叠以外的变换࿰

了解本专栏