A Content-aware Metric for Stitched Panoramic Image Quality Assessment [ ICCV 2017 ]

最新推荐文章于 2024-02-17 16:55:19 发布
最新推荐文章于 2024-02-17 16:55:19 发布
阅读量713 收藏 4
点赞数 1
分类专栏： Conference Papers Computer Version 文章标签： 图像拼接质量评价
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.youkuaiyun.com/qq_16898611/article/details/80314970
版权
本文介绍了针对全景拼接图像质量评估的研究，提出了一种融合度量方法，包括Perceptual Geometric Error Metric和Structure-guided Metric。方法通过计算光流场能量的局部方差和结构区域的亮度色差梯度，评估拼接过程中的几何和结构扭曲。实验展示了该方法的有效性，并与传统方法和主观评价进行了比较。

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


关于图像质量评价，很早之前就有前辈在该领域做出卓越的贡献，推动该方向的进步。

图像质量评价的重要性自然不言而喻，而且对于世界上很多事物，人们都想着站在某个或多个角度进行一系列评价，或主观或客观。


最开始是针对于单幅照片的一系列评价，从主观评价和客观评价两个大的角度来较为精确评估一幅照片的质量好坏。其中

主观评价分为：绝对评价和相对评价

客观评价分为：全参考评价、

最低0.47元/天 解锁文章
【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
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】
11-30 3万+
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用优快云来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
cvpr2015papers
ZhangPY的专栏
03-02 9207
@http://www-cs-faculty.stanford.edu/people/karpathy/cvpr2015papers/ CVPR 2015 papers (in nicer format than this) maintained by @karpathy NEW: This year I also embedded the (1,2-gram) tfidf
Seam Carving for Content-Aware Image Resizing（基于内容缩放图片的方法）
07-16
2007年Shai Avidan 和Ariel Shamir论文《Seam Carving for Content-Aware Image Resizing》所提出方法的Matlab代码实现和作者的论文。 效果非常炫，而且代码不长
总结A Content-Aware Image Prior
伯兰的博客
04-03 816
一、论文总体结构 二、图像特点 我们使用广义高斯分布来拟合图像梯度 (1) 是Gamma function，是shape参数，和分别决定图像的峰值和宽度 我们假设相互独立，即： 2.1 空间变化的梯度统计 空间变化梯度分布的两个原因：图像里面的材料以及拍摄距离 例如： 建筑与碎石路相比，建筑会更加平滑 即使是同样的碎石路，如果拍摄距...
图像拼接--Seam Carving for Content-Aware Image Resizing
AI小作坊 的博客
11-07 2800
Seam Carving for Content-Aware Image Resizing 智能图像缩放 ACM Transactions on graphics (TOG). Vol. 26. No. 3. ACM, 2007 https://github.com/danasilver/seam-carving https://github.com/vivianhylee/seam-carvin...
基于视觉信息保真度的图像拼接质量客观评价方法
03-04
针对实时数字图像拼接系统对拼接图像进行客观质量评价的需要，考虑到采用传统客观评价方法存在与人眼主观评价结果不相符的缺陷，提出了一种基于视觉信息保真度(VIF)的图像拼接质量客观评价方法。首先，在假设图像源符合高斯尺度混合(GSM)模型的前提下，将图像拼接算法作为图像信号失真通道，而且考虑人眼视觉内部神经元噪声特性，建立了基于VIF的数字图像拼接质量客观评价模型，推导得到了一种拼接图像质量评价指标(MVIF)；然后，详细介绍了MVIF评价算法的参数估计方法；最后，采用多组拼接图像进行了仿真对比实验对MVIF评价算法的性能进行了验证。实验结果表明，与现有方法相比，该方法能够对拼接图像质量进行正确评价，其客观评价结果与主观评价结果更加一致。
阅读笔记（IJCV2007）Automatic Panoramic Image Stitching using Invariant Features
最新发布
小秋在路上~
02-17 1214
Brown M, Lowe D G. Automatic panoramic image stitching using invariant features[J]. International journal of computer vision, 2007, 74: 59-73.
图像拼接 | 《Perception-based seam cutting for image stitching》 论文笔记
阿木寺的博客
05-31 4787
《Perception-based seam cutting for image stitching》Signal, Image and Video Processing 2017springer：https://link.springer.com/article/10.1007%2Fs11760-018-1241-9pdf：http://www.combinatorics.net.cn/rese...
各种边缘检测算法效果对比-差分运算法、Sobel、Scharr、Laplace(拉普拉斯)、Roberts、Canny
昊虹AI笔记
06-27 1万+
​图像边缘检测的概念和大概原理可以参考我的另一篇博文，链接如下：https://blog.youkuaiyun.com/wenhao_ir/article/details/51743382 源图像如下图所示： 下面是各种方法的运算结果： 从上面的结果我们可以看出效果排名：效果最好的就是Canny算子！ ...
数字图像处理与Python实现-边缘检测-差分法边缘检测
视觉与物联智能
06-02 1660
差分方法边缘检测 1. 前言 在图像中，灰度或结构等信息的突变处称为边缘。边缘可以看作一个区域的结束，另一个区域的开始。利用边缘的特征，可以对图像进行分割。根据定义可以知道，利用各种算法检测到的边缘，并不代表目标的实际边缘。由于图像是二维的，而目标实物是三维的，从三维到二维的投影，已经造成了信息的丢失，再加上成像过程受光照、噪声的影响，使得有边缘的地方不一定被检测出来，而检测出来的边缘也不一定代表实际边缘。 图像的边缘有方向和幅度两个属性，沿边缘方向像素变化平缓，垂直于边缘方向像素变化剧烈。因此，利用图像边
差分边缘检测实现
Gone_HuiLin的博客
11-18 2170
#include #include #include using namespace cv; // 图像差分操作 void diffOperation(const cv::Mat srcImage, cv::Mat& edgeXImage, cv::Mat& edgeYImage) { cv::Mat tempImage = srcImage.clone(); int nRows =
图像质量评价matlab实现（含代码）
居安士的博客
05-10 5908
matlab图像质量评价含代码，文章！
图像填充方法概述
Hungryof的专栏
12-16 9685
总说这里主要讲解Inpainting的主要发展历程。从2001年到2014年的图像填充方法概述。
语义分割深度学习方法集锦
生如蚁，美如神
01-19 1万+
转载：https://github.com/handong1587/handong1587.github.io/edit/master/_posts/deep_learning/2015-10-09-segmentation.mdPapersDeep Joint Task Learning for Generic Object Extraction intro: NIPS 2014 homepage
近期deep learning做图像质量评价（image quality assessment）的论文2
热门推荐
yjbkaoyan的博客
11-16 1万+
1、On the use of deep learning forblind IQA (DeepBIQ) 2017-8-19 核心思想：features+ SVM （实验在LIVEwild database 失真的数据库） 1.1 features是从预训练好的CNN中提取的，文中包括ImageNet-CNN，Places-CNN,ImageNet+Places-CNN。        在提
文献阅读笔记6 Convolutional Neural Networks for No-Reference Image Quality Assessment（KANG）
个人学习
03-25 1945
Convolutional Neural Networks for No-Reference Image Quality Assessment 摘要 该网络由一个具有最大和最小池的卷积层、两个完全连接的层和一个输出节点组成，在网络结构中，特征学习和回归。 3 CNN for NR-IQA 提出了利用CNN对图像质量进行估计的框架如下：给定灰度图像，先进行对比度归一化，然后对不重叠的子块...
国内外 计算机视觉及图像处理领域 知名期刊 统计
梅岭山下的研究僧
07-06 4909
**最近做了一份计算机视觉及图像处理领域的知名期刊统计。 国内外计算机视觉及图像处理领域知名期刊** 国内五种知名期刊近十年收录情况 计算机学报近十年有关计算机视觉及图像处理的文章 序号 篇名 1 深度卷积神经网络的发展及其在计算机视觉领域的应用 2 基于瞬态成像技术的穿透散射介质成像 3 基于视频的人机交互中动作在线发现与时域分割 4 基于局部自相似性和奇异...
文献阅读笔记10 No-Reference Quality Assessment of Natural Stereopairs
个人学习
03-31 1082
No-Reference Quality Assessment of Natural Stereopairs LIVE 3D lab推荐的两篇论文之二 Disparity map & Uncertainty map 1. 摘要 摘要-我们开发了一个不参考的双目图像质量评估模型，该模型对静态立体图像进行操作，该模型利用从立体视觉中提取的2d和3d特征来评估立体视时的感知质量。对...
cagnet: content-aware guidance for salient object detection
09-21
Cagnet（Content-Aware Guidance for Salient Object Detection）是一种针对显著对象检测的算法。该算法的目标是在图像中自动检测出最具显著性的对象区域。 Cagnet算法的核心思想是结合了内容感知的引导和视觉特征...
评论 5
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
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