【2015CVPR】与image align有关的文献

【2015CVPR】A Solution for Multi-Alignment by Transformation Synchronisation

以前的方法：iteratively aligning all point-clouds to some reference。弊端是biased（需要选择一个确定的reference）；依赖初始化（需使用一个适应性的平均值作为reference）

该文献方法：unbiased且independent。针对无噪声的变换， 提出了旋转矩阵或置换矩阵,实验发现能够全面同步处理一般线性变换、仿射变换以及相似、欧几里得和刚性变换。

有两篇文章引用了上文：（另一篇好像没用）

On Transitive Consistency for Linear Invertible Transformations between Euclidean Coordinate Systems

【2015CVPR】Deep Sparse Representation for Robust Image Registration

本文提出了一个新的相似性度量的方法（相似性度量是定义图像配准的一个重要组成部分），因为图像在梯度域和频域是稀疏的。该方法在强度严重损坏的情况下具有很强的鲁棒性。

【2015CVPR】A Low-dimensional Step Pattern Analysis Algorithm with Application to Multimodal Retinal Image Registration

本文提出一种算法，用来解决传统sift算法对于有问题的图片对配准时，会产生极大的错误。

【2015CVPR】LMI-Based 2D-3D Registration form Uncalibrated Images to Euclidean Scene

对于两个或两个以上未标定的相机scan得到的图像，该解决方法是基于线性矩阵不等式，同时估计该场景下的相机的投影变换 和 建立二维到三维的对应关系（不需要对图像点三角测量）。

该文献倾向于三维投影（ requires that  matched 2D features have their corresponding 3D points  scanned）、三维点的对应、对相机的标定。

【2015CVPR】Non-rigid Registration of Images with Geometric and Photometric Deformation

本文解决的是 有几何和光度变形的 非刚性图像对齐。

【2015CVPR】Unsupervised Visual Alignment with Similarity Graphs

无监督的图像对齐。本文结合了local part similarities和几何失真。前人的算法需要手动选择，缺少好的初始对准和 visually distant sub-classes 。

Alignment of visual class examples with large view point changes remains as an open problem.

【2014ECCV】Multi-model and Multi-spectral Registration for Natural Images

实验是对不同形式的图片进行分析（颜色、近红外、深度）。

【2013IEEE transaction】Structure Propagation for Image Registration

【small or no overlap】

描述图像拼接，且共有区域少： Mosaicing is a commonly used technique in many medical imaging applications where subimages are stitched together in order to obtain a larger field of view. However, stitching, which involves alignment or registration in overlapping regions, is often challenging when the information shared by subimages is absent or small. 

通过扩展子图像的边界，得到扩展区域的映射，然后利用这些映射来建立subimages之间的correspondence。主要work on synthetic and medical images。“ The extension is in terms of image structures such as strong edges in the subimages ”

（2015年被下篇文章引用）

【2015ISBI】Structure propagation for deformable image stitching

【small or no overlap】

在上文的基础上拓展到3D

【2000CVPR】A step towards sequence-to-sequence alignment

输入图像是real image sequences taken by multiple video cameras。例如，一组图片是从左边窗户拍摄的一辆车载开的场景，一共拍了200帧，另一组图片是同时从右边窗户拍摄的，也200帧。做实验对比时，采用了两图片叠加的直观方法。

同时另一个实验证明该方法对静态（光照变化）和动态场景一样适用。

[别的文献的评价]： Previous work on video sequence alignment mostly focused  on this category of mismatch, and followed mainly two  lines of approaches, this one is  direct approach.   look for correspondences jointly in time and in space between two different video  sequences.

【2011IEEE】Linear Sequence-to-sequence Alignment

提出别的文献都是对两个sequence进行对齐，而他的paper中是 focus on the general case of an  unrestricted number of video sequences captured from  distinct viewpoints.（多个camera？）

【2009IEEE】joint spatial-temporal alignment of Networked cameras

这篇paper是对三幅图进行对齐，同时也有mosaic image和transformation matrix，不同的是它的场景可以动态的。